1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w marketingu w Pythonie
Connected

ćwiczenie

Dopasowanie modelu regresji logistycznej

Regresja logistyczna to prosty, a zarazem bardzo skuteczny model klasyfikacji, który sprawdza się w wielu różnych zastosowaniach. Dopasuj teraz regresję logistyczną na danych treningowych z telekomunikacyjnego zbioru danych dotyczącego odejść klientów, a następnie przewidź etykiety na niewidzianych wcześniej danych testowych. Na koniec obliczysz dokładność przewidywań swojego modelu.

Funkcja accuracy_score została już zaimportowana, a instancja LogisticRegression z biblioteki sklearn została zainicjalizowana jako logreg. Zbiory danych treningowych i testowych, które wcześniej przygotowałeś, są dostępne jako train_X i test_X dla cech oraz train_Y i test_Y dla zmiennych docelowych.

Instrukcje

100 XP
  • Dopasuj regresję logistyczną do danych treningowych.
  • Przewidź etykiety odejść klientów dla danych testowych.
  • Oblicz wartość dokładności na danych testowych.
  • Wydrukuj dokładność testową zaokrągloną do 4 miejsc po przecinku.