Twee toetsen halen
Stel je voor dat je een van de universiteitsstudenten bent. Je hebt twee toetsen in verschillende vakken voor de boeg, en de tijd om te studeren raakt op. Je wilt weten hoeveel tijd je aan elk vak moet besteden om de kans te maximaliseren dat je beide toetsen haalt. Gelukkig is er data die je kunt gebruiken.
Voor vak A heb je al een logistiek model gefit in model_A, en voor vak B heb je een model gefit in model_B. Naast het vooraf laden van LogisticRegression uit sklearn.linear_model en numpy als np, is expit(), de inverse van de logistische functie, voor je geïmporteerd uit scipy.special.
Deze oefening maakt deel uit van de cursus
Basis van kansrekening in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Specify values to predict
hours_of_study_test_A = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_A = model_A.predict(____)
print(predicted_outcomes_A)
# Specify values to predict
hours_of_study_test_B = [[____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_B = model_B.____(____)
print(predicted_outcomes_B)