Treinar modelo de regressão logística
A regressão logística é um modelo de classificação simples, mas muito poderoso, usado em muitos cenários. Agora você vai treinar uma regressão logística na parte de treino do conjunto de dados de churn de telecom e, em seguida, prever os rótulos no conjunto de teste não visto. Depois, você calculará a acurácia das previsões do seu modelo.
A função accuracy_score já foi importada, e uma instância de LogisticRegression do sklearn foi inicializada como logreg. Os conjuntos de dados de treino e teste que você construiu anteriormente foram carregados como train_X e test_X para as features e train_Y e test_Y para a variável-alvo.
Este exercício faz parte do curso
Machine Learning para Marketing em Python
Instruções do exercício
- Treine uma regressão logística nos dados de treino.
- Preveja os rótulos de churn para os dados de teste.
- Calcule a acurácia nos dados de teste.
- Imprima a acurácia de teste arredondada para 4 casas decimais.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Fit logistic regression on training data
logreg.___(train_X, train_Y)
# Predict churn labels on testing data
pred_test_Y = ___.predict(test_X)
# Calculate accuracy score on testing data
test_accuracy = ___(test_Y, pred_test_Y)
# Print test accuracy score rounded to 4 decimals
print('Test accuracy:', ___(test_accuracy, 4))