Zacznij terazZacznij za darmo

Dopasowywanie modelu logistycznego

Uczelnia badająca zależność między liczbą godzin nauki a wynikami egzaminu udostępniła ci zbiór danych zawierający liczbę godzin, które studenci poświęcili na naukę, oraz informację o tym, czy zdali egzamin, czy nie. Twoim zadaniem jest dopasowanie modelu do przewidywania przyszłych wyników.

Dane są dostępne w zmiennych hours_of_study i outcomes. Użyj ich, aby dopasować model LogisticRegression. Biblioteka numpy została zaimportowana jako np.

To ćwiczenie jest częścią kursu

Podstawy rachunku prawdopodobieństwa w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj LogisticRegression z sklearn.linear_model.
  • Utwórz model za pomocą LogisticRegression(C=1e9).
  • Przekaż dane do metody model.fit().
  • Utwórz zmienne dla każdego parametru, przypisz im wartości z modelu, a następnie wyświetl parametry beta1 i beta0.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
Edytuj i uruchom kod