1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do analizy predykcyjnej w Pythonie
Connected

ćwiczenie

Budowanie modelu regresji logistycznej

Model regresji logistycznej możesz zbudować, korzystając z modułu linear_model z biblioteki sklearn. Najpierw utwórz model regresji logistycznej za pomocą metody LogisticRegression():

logreg = linear_model.LogisticRegression()

Następnie przekaż dane do modelu, aby można było go dopasować. X zawiera zmienne predykcyjne, natomiast y – zmienną docelową.

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

W tym ćwiczeniu zbudujesz swój pierwszy model predykcyjny, używając trzech predyktorów.

Instrukcje

100 XP
  • Zaimportuj metodę linear_model z biblioteki sklearn.
  • Tabela bazowa jest wczytana jako basetable. Zwróć uwagę, że kolumna „gender" została przekształcona do postaci gender_F, aby można było jej użyć jako predyktora. Skonstruuj ramkę danych X zawierającą predyktory age, gender_F oraz time_since_last_gift.
  • Skonstruuj ramkę danych y zawierającą zmienną docelową.
  • Utwórz model regresji logistycznej.
  • Dopasuj model regresji logistycznej do podanej tabeli bazowej.