Clasificator de bază prin regresie logistică
În ultimele 2 lecții, ai văzut cât de valoroasă este selecția caracteristicilor în contextul interviurilor de machine learning. Un alt set de întrebări frecvente pe care le poți întâlni într-un interviu de machine learning se referă la ingineria caracteristicilor și la modul în care aceasta ajută la îmbunătățirea performanței modelelor.
În acest exercițiu, vei construi o caracteristică nouă pe setul de date loan_data din Capitolul 1, vei compara scorul de acuratețe al modelelor de Regresie Logistică înainte și după ingineria caracteristicilor, comparând etichetele de test cu valorile prezise ale variabilei țintă Loan Status.
Toate pachetele necesare au fost deja importate: matplotlib.pyplot ca plt, seaborn ca sns, LogisticRegression din sklearn.linear_model, train_test_split din sklearn.model_selection și accuracy_score din sklearn.metrics.
Ingineria caracteristicilor este considerată un pas de preprocesare înainte de modelare:
Acest exercițiu face parte din cursul
Exersează întrebări de interviu pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create X matrix and y array
X = loan_data.____("____", axis=1)
y = loan_data["____"]
# Train/test split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=123)
# Instantiate
logistic = ____()
# Fit
logistic.____(____, ____)
# Predict and print accuracy
print(____(y_true=____, y_pred=logistic.____(____)))