Desempenho do modelo
Agora você vai avaliar o modelo da lição anterior usando os dados de teste.
Avaliar em dados novos, nunca vistos, é importante porque demonstra a capacidade do modelo de estimar corretamente dados que ele nunca encontrou antes.
Todos os módulos necessários já foram importados, e os dados estão disponíveis como X_train e y_train, e X_test e y_test, respectivamente.
Este exercício faz parte do curso
Analisando Dados de IoT em Python
Instruções do exercício
- Crie um modelo
LogisticRegression. - Ajuste o modelo com
X_trainey_train. - Calcule o score do modelo usando
X_trainey_train. - Calcule o score do modelo usando
X_testey_test.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Create LogisticRegression model
logreg = ____()
# Fit the model
logreg.____(____, ____)
# Score the model
print(logreg.____(____, ____))
print(____)