Wydajność modelu
Teraz ocenisz model z poprzedniej lekcji na danych testowych.
Walidacja modelu na nowych, niewidzianych wcześniej danych jest ważna – pozwala sprawdzić, czy model potrafi poprawnie przewidywać dane, z którymi jeszcze się nie zetknął.
Wszystkie niezbędne moduły zostały już zaimportowane, a dane są dostępne jako X_train i y_train oraz X_test i y_test.
To ćwiczenie jest częścią kursu
Analiza danych IoT w Pythonie
Instrukcje do ćwiczenia
- Utwórz model
LogisticRegression. - Dopasuj model do
X_trainiy_train. - Oceń model na danych
X_trainiy_train. - Oceń model na danych
X_testiy_test.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create LogisticRegression model
logreg = ____()
# Fit the model
logreg.____(____, ____)
# Score the model
print(logreg.____(____, ____))
print(____)