Tworzenie przewidywań
Gdy model jest już gotowy, możesz go użyć do tworzenia przewidywań dla kampanii. Ważne jest, aby zawsze korzystać z najnowszych danych.
W tym ćwiczeniu nauczysz się, jak – mając dopasowany model regresji logistycznej – tworzyć przewidywania dla nowej, zaktualizowanej tabeli bazowej.
Model regresji logistycznej zbudowany w poprzednich ćwiczeniach został już dodany i dopasowany w zmiennej logreg.
To ćwiczenie jest częścią kursu
Wprowadzenie do analizy predykcyjnej w Pythonie
Instrukcje do ćwiczenia
- Najnowsze dane znajdują się w
current_data. Utwórz ramkę danychnew_data, która wybiera odpowiednie kolumny zcurrent_data. - Przypisz do zmiennej
predictionsprzewidywania dla obserwacji zawartych wnew_data.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)
# Create a DataFrame new_data from current_data that has only the relevant predictors
new_data = ____[[____, ____, ____]]
# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])