Prevendo se estudantes vão passar
No exercício anterior, você calculou os parâmetros do modelo de regressão logística que se ajusta aos dados de horas de estudo e resultados da prova.
Com esses parâmetros, você pode prever o desempenho dos estudantes com base nas horas de estudo. Use model.predict() para obter os resultados com base na regressão logística.
Para sua conveniência, LogisticRegression já foi importado de sklearn.linear_model e numpy foi importado como np.
Este exercício faz parte do curso
Fundamentos de Probabilidade em Python
Instruções do exercício
- Crie um array com os valores 10, 11, 12, 13 e 14 para prever os resultados de uma prova com base nessas quantidades de horas de estudo.
- Use
model.predict()para obter os resultados do modelo e imprima os resultados. - Use
model.predict_proba()para obter a probabilidade de passar na prova com 11 horas de estudo.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Specify values to predict
hours_of_study_test = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes = model.____(____)
print(predicted_outcomes)
# Set value in array
value = np.asarray(11).reshape(-1,1)
# Probability of passing the test with 11 hours of study
print("Probability of passing test ", model.____(value)[:,1])