Een logistiek model fitten
De universiteit die de relatie tussen aantal studeerstukken en de uitslag van een bepaalde toets onderzoekt, heeft je een gegevensset gegeven met het aantal uur dat studenten hebben gestudeerd en of ze voor de toets zijn gezakt of geslaagd, en vraagt je een model te fitten om toekomstige prestaties te voorspellen.
De data staat in de variabelen hours_of_study en outcomes. Gebruik deze data om een LogisticRegression-model te fitten. numpy is voor het gemak als np geïmporteerd.
Deze oefening maakt deel uit van de cursus
Basis van kansrekening in Python
Oefeninstructies
- Importeer
LogisticRegressionuitsklearn.linear_model. - Maak het model met
LogisticRegression(C=1e9). - Geef de data door aan de methode
model.fit(). - Maak variabelen voor elke parameter, ken de waarden uit het model toe, en print de parameters
beta1enbeta0.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import LogisticRegression
from sklearn.linear_model import ____
# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)
# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]
# Print parameters
print(____, ____)