Fazendo previsões
Quando seu modelo estiver pronto, você pode usá-lo para fazer previsões para uma campanha. É importante sempre usar as informações mais recentes para prever.
Neste exercício, dado um modelo de regressão logística ajustado, você vai aprender a fazer previsões para uma nova base table atualizada.
O modelo de regressão logística que você construiu nos exercícios anteriores foi adicionado e ajustado para você em logreg.
Este exercício faz parte do curso
Introdução à Análise Preditiva em Python
Instruções do exercício
- Os dados mais recentes estão em
current_data. Crie um data framenew_dataque selecione as colunas relevantes decurrent_data. - Atribua a
predictionsas previsões para as observações emnew_data.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)
# Create a DataFrame new_data from current_data that has only the relevant predictors
new_data = ____[[____, ____, ____]]
# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])