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

ćwiczenie

Dopasowanie regresji logistycznej z regularyzacją L1

Teraz uruchomisz model regresji logistycznej na przeskalowanych danych z regularyzacją L1, łącząc selekcję cech z budową modelu. W materiale wideo widziałeś, jak różne wartości C wpływają na wynik dokładności i liczbę niezerowych cech. W tym ćwiczeniu ustawisz wartość C na 0,025.

Funkcje LogisticRegression i accuracy_score z biblioteki sklearn zostały już załadowane. Przeskalowane cechy i zmienne docelowe są dostępne jako train_X, train_Y dla danych treningowych oraz test_X, test_Y dla danych testowych.

Instrukcje

100 XP
  • Zainicjalizuj regresję logistyczną z regularyzacją L1 i wartością C równą 0,025.
  • Dopasuj model do danych treningowych.
  • Przewidź wartości odejścia klientów na danych testowych.
  • Wydrukuj wynik dokładności przewidywanych etykiet na danych testowych.