1. Nauka
    2. /
  2. Kursy
    3. /
  3. Podstawy rachunku prawdopodobieństwa w Pythonie
Connected

ćwiczenie

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.

Instrukcje

100 XP
  • 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.