Budowanie modelu regresji logistycznej
W tym ćwiczeniu zbudujesz model regresji logistycznej, korzystając ze wszystkich cech zbioru danych diabetes_df. Model posłuży do przewidywania prawdopodobieństwa, że osoby ze zbioru testowego mają zdiagnozowaną cukrzycę.
Zbiór danych diabetes_df został podzielony na X_train, X_test, y_train i y_test – wszystkie zmienne są już wczytane.
To ćwiczenie jest częścią kursu
Nadzorowane uczenie maszynowe z scikit-learn
Instrukcje do ćwiczenia
- Zaimportuj
LogisticRegression. - Utwórz instancję modelu regresji logistycznej
logreg. - Dopasuj model do danych treningowych.
- Oblicz prawdopodobieństwa dla każdej osoby ze zbioru testowego – przewidując, czy ma zdiagnozowaną cukrzycę – i zapisz tablicę prawdopodobieństw pozytywnych jako
y_pred_probs.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import LogisticRegression
____
# Instantiate the model
logreg = ____
# Fit the model
____
# Predict probabilities
y_pred_probs = logreg.____(____)[____, ____]
print(y_pred_probs[:10])