로지스틱 회귀 모델 학습하기
Logistic regression은 간단하지만 매우 강력한 분류 모델로, 다양한 활용 사례에서 쓰입니다. 지금은 통신사 이탈(churn) 데이터셋의 학습 파트에 로지스틱 회귀를 학습시키고, 보지 못한 테스트 세트에 대해 레이블을 예측해 볼 거예요. 그다음 모델 예측의 정확도를 계산합니다.
accuracy_score 함수가 임포트되어 있고, sklearn의 LogisticRegression 인스턴스가 logreg로 초기화되어 있어요. 앞에서 구축한 학습/테스트 데이터셋은 특징 변수로 train_X, test_X, 타깃 변수로 train_Y, test_Y에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 마케팅용 Machine Learning
연습 안내
- 학습 데이터에 로지스틱 회귀를 학습(fit)하세요.
- 테스트 데이터에 대해 churn 레이블을 예측하세요.
- 테스트 데이터의 정확도 점수를 계산하세요.
- 테스트 정확도를 소수점 넷째 자리까지 반올림해 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Fit logistic regression on training data
logreg.___(train_X, train_Y)
# Predict churn labels on testing data
pred_test_Y = ___.predict(test_X)
# Calculate accuracy score on testing data
test_accuracy = ___(test_Y, pred_test_Y)
# Print test accuracy score rounded to 4 decimals
print('Test accuracy:', ___(test_accuracy, 4))