ComeçarComece de graça

Ajustando um modelo logístico

A universidade que está estudando a relação entre horas de estudo e o desempenho em uma determinada prova forneceu a você um conjunto de dados com o número de horas estudadas pelos alunos e se eles foram reprovados ou aprovados, e pediu que você ajustasse um modelo para prever o desempenho futuro.

Os dados estão nas variáveis hours_of_study e outcomes. Use esses dados para ajustar um modelo LogisticRegression. numpy foi importado como np para sua conveniência.

Este exercício faz parte do curso

Fundamentos de Probabilidade em Python

Ver curso

Instruções do exercício

  • Importe LogisticRegression de sklearn.linear_model.
  • Crie o modelo usando LogisticRegression(C=1e9).
  • Passe os dados para o método model.fit().
  • Crie variáveis para cada parâmetro, atribua os valores do modelo e imprima os parâmetros beta1 e beta0.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
Editar e executar o código