Verschillende sets variabelen gebruiken

Meer variabelen — en dus meer complexiteit — toevoegen aan je logistische regressiemodel levert niet automatisch een nauwkeuriger model op. In deze oefening kun je controleren of het toevoegen van 3 variabelen aan een model tot een nauwkeuriger model leidt.

variables_1 en variables_2 zijn beschikbaar in je omgeving: je kunt ze naar de console printen om te verkennen hoe ze eruitzien.

Deze oefening maakt deel uit van de cursus

Introductie tot Predictive Analytics in Python

Cursus bekijken

Oefeninstructies

Fit het logreg-model met variables_2, dat 3 extra variabelen bevat vergeleken met variables_1.
Maak voorspellingen voor dit model.
Bereken de AUC van dit model.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create appropriate DataFrames
X_1 = basetable[variables_1]
X_2 = basetable[variables_2]
y = basetable[["target"]]

# Create the logistic regression model
logreg = linear_model.LogisticRegression()

# Make predictions using the first set of variables and assign the AUC to auc_1
logreg.fit(X_1, y)
predictions_1 = logreg.predict_proba(X_1)[:,1]
auc_1 = roc_auc_score(y, predictions_1)

# Make predictions using the second set of variables and assign the AUC to auc_2
logreg.____(____, ____)
predictions_2 = ____.____(____)[____,____]
auc_2 = ____(____, ____)

# Print auc_1 and auc_2
print(round(auc_1,2))
print(round(auc_2,2))

Code bewerken en uitvoeren