Regresja logistyczna

Korzystając z danych z poprzedniego ćwiczenia, wytrenuj teraz model uczenia maszynowego.

Zgodnie z najlepszymi praktykami dane są dostępne jako X_train, a etykiety zostały załadowane jako y_train. Podzbiór danych jest również dostępny jako X_test. W dalszej części tego rozdziału dowiesz się, jak prawidłowo tworzyć te zmienne.

To ćwiczenie jest częścią kursu

Analiza danych IoT w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj LogisticRegression z sklearn.linear_model.
Zainicjalizuj model jako logreg.
Dopasuj model do X_train z etykietami y_train.
Przewidź klasy dla X_test.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import LogisticRegression
from ____ import ____

# Initialize the model
logreg = ____

# Fit the model
____.____(____, ____)

# Predict classes
print(____.____(____))

Edytuj i uruchom kod