Een logistic regression-model bouwen

Je kunt een logistic regression-model bouwen met de module linear_model uit sklearn. Eerst maak je een logistic regression-model met de methode LogisticRegression():

logreg = linear_model.LogisticRegression()

Vervolgens moet je data aan het logistic regression-model doorgeven, zodat het getraind kan worden. X bevat de voorspellende variabelen en y bevat de target.

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

In deze oefening bouw je je eerste voorspellende model met drie predictors.

Deze oefening maakt deel uit van de cursus

Introductie tot Predictive Analytics in Python

Cursus bekijken

Oefeninstructies

Importeer de methode linear_model uit sklearn.
De basetable is geladen als basetable. Let op: de kolom "gender" is omgezet naar gender_F zodat deze als predictor gebruikt kan worden. Maak een DataFrame X met de predictors age, gender_F en time_since_last_gift.
Maak een DataFrame y dat de target bevat.
Maak een logistic regression-model.
Train het logistic regression-model op de gegeven basetable.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import linear_model from sklearn.
from ____ import ____

# Create a DataFrame X that only contains the candidate predictors age, gender_F and time_since_last_gift.
X = ____[[____, ____, ____]]

# Create a DataFrame y that contains the target.
y = ____[[____]]

# Create a logistic regression model logreg and fit it to the data.
logreg = ____.____
logreg.____(____, ____)

Code bewerken en uitvoeren