Construirea unui model de regresie logistică

Poți construi un model de regresie logistică folosind modulul linear_model din sklearn. Mai întâi, creezi modelul cu metoda LogisticRegression():

logreg = linear_model.LogisticRegression()

Apoi, trebuie să îi furnizezi date modelului, astfel încât acesta să poată fi antrenat. X conține variabilele predictoare, iar y conține variabila țintă.

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

În acest exercițiu vei construi primul tău model predictiv folosind trei predictori.

Acest exercițiu face parte din cursul

Introducere în analitica predictivă în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Importă metoda linear_model din sklearn.
Tabelul de bază este încărcat ca basetable. Reține că variabila "gender" a fost transformată în gender_F pentru a putea fi folosită ca predictor. Construiește un DataFrame X care să conțină predictorii age, gender_F și time_since_last_gift.
Construiește un DataFrame y care să conțină variabila țintă.
Creează un model de regresie logistică.
Antrenează modelul de regresie logistică pe tabelul de bază furnizat.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import linear_model from sklearn.
from ____ import ____

# Create a DataFrame X that only contains the candidate predictors age, gender_F and time_since_last_gift.
X = ____[[____, ____, ____]]

# Create a DataFrame y that contains the target.
y = ____[[____]]

# Create a logistic regression model logreg and fit it to the data.
logreg = ____.____
logreg.____(____, ____)

Editează și rulează codul