Przewidywanie, czy uczniowie zdadzą egzamin
W poprzednim ćwiczeniu wyznaczyłeś parametry modelu regresji logistycznej dopasowanego do danych dotyczących liczby godzin nauki i wyników testów.
Dysponując tymi parametrami, możesz przewidywać wyniki uczniów na podstawie liczby godzin nauki. Użyj model.predict(), aby uzyskać przewidywania na podstawie regresji logistycznej.
Dla wygody zaimportowano LogisticRegression z sklearn.linear_model oraz numpy jako np.
To ćwiczenie jest częścią kursu
Podstawy rachunku prawdopodobieństwa w Pythonie
Instrukcje do ćwiczenia
- Utwórz tablicę z wartościami 10, 11, 12, 13 i 14, aby przewidzieć wyniki testu dla tych liczb godzin nauki.
- Użyj
model.predict(), aby uzyskać wyniki z modelu, i wyświetl je. - Użyj
model.predict_proba(), aby sprawdzić prawdopodobieństwo zdania testu przy 11 godzinach nauki.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Specify values to predict
hours_of_study_test = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes = model.____(____)
print(predicted_outcomes)
# Set value in array
value = np.asarray(11).reshape(-1,1)
# Probability of passing the test with 11 hours of study
print("Probability of passing test ", model.____(value)[:,1])