1. Nauka
    2. /
  2. Kursy
    3. /
  3. Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Connected

ćwiczenie

Regresja logistyczna dla obrazów

W tym ćwiczeniu zbudujesz model regresji logistycznej na zbiorze danych dotyczącym raka piersi z poprzedniego ćwiczenia i ocenisz jego dokładność.

Zmienne X_train, X_test, y_train i y_test utworzone w poprzednim ćwiczeniu są dostępne w twoim środowisku pracy, wraz z bibliotekami sklearn i pandas jako pd. Klasa LogisticRegression jest dostępna za pośrednictwem sklearn.linear_model.

Instrukcje

100 XP
  • Utwórz klasyfikator regresji logistycznej.
  • Dopasuj klasyfikator do danych treningowych, a następnie użyj go do przewidywania na danych testowych.
  • Przypisz łączną liczbę poprawnych i niepoprawnych przewidywań (w odniesieniu do etykiet docelowych) odpowiednio do zmiennych num_right i num_wrong.
  • Oblicz dokładność, korzystając ze zmiennych num_right i num_wrong oraz funkcji sum().