Aan de slagGa gratis aan de slag

Logistische regressie voor afbeeldingen

In deze oefening bouw je een logistisch regressiemodel op een borstkanker-gegevensset uit de vorige oefening en evalueer je de nauwkeurigheid.

De X_train, X_test, y_train en y_test die je in de vorige oefening hebt gemaakt, zijn beschikbaar in je werkruimte, samen met sklearn en pandas als pd. LogisticRegression is beschikbaar via sklearn.linear_model.

Deze oefening maakt deel uit van de cursus

CTR voorspellen met Machine Learning in Python

Cursus bekijken

Oefeninstructies

  • Maak een classifier voor logistische regressie.
  • Fit de classifier met trainingsgegevens om voorspellingen te doen voor de testgegevens.
  • Wijs de totalen voor juiste en onjuiste voorspellingen tussen trainings- en testdoelen toe aan respectievelijk num_right en num_wrong.
  • Bereken de nauwkeurigheid met num_right en num_wrong met behulp van sum().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create and fit a logistic regression classifier
clf = ____().____(X_train, y_train)

# Predict labels
y_pred = clf.____(X_test) 

# Get number of right and wrong predictions
num_right = (y_test == y_pred).____()
num_wrong = (y_test != y_pred).____()

# Compute and print accuracy
accuracy = 1.0 * num_right / (____ + ____)
print(accuracy)
Code bewerken en uitvoeren