1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 배우는 마케팅용 Machine Learning
Connected

연습 문제

L1 정규화를 적용한 로지스틱 회귀 적합하기

이제 L1 정규화를 적용한 로지스틱 회귀 모델을 스케일된 데이터에 학습시켜, 모델 구축과 함께 특성 선택도 수행해 보겠습니다. 영상 연습 문제에서 서로 다른 C 값이 정확도와 0이 아닌 특성의 개수에 어떤 영향을 주는지 보셨죠. 이번 연습에서는 C 값을 0.025로 설정합니다.

sklearn 라이브러리의 LogisticRegression과 accuracy_score 함수가 이미 로드되어 있어요. 또한 스케일된 특성과 타깃 변수는 훈련용으로 train_X, train_Y, 테스트용으로 test_X, test_Y가 제공됩니다.

지침

100 XP
  • L1 정규화를 사용하고 C 값을 0.025로 한 로지스틱 회귀를 초기화하세요.
  • 훈련 데이터에 모델을 학습시키세요.
  • 테스트 데이터에 대해 이탈 예측값을 생성하세요.
  • 테스트 데이터에서 예측 레이블의 정확도를 출력하세요.