Построение классификатора для диагностики диабета
В этом упражнении вы будете использовать набор данных о диабете индейцев Пима, чтобы предсказать наличие диабета у пациента с помощью логистической регрессии. Набор данных содержит 8 признаков и один целевой признак. Данные разбиты на обучающую и тестовую выборки и предварительно загружены как X_train, y_train, X_test и y_test.
Экземпляр StandardScaler() заранее определён как scaler, а экземпляр LogisticRegression() — как lr.
Это упражнение является частью курса
Снижение размерности в Python
Инструкции к упражнению
- Подгоните масштабировщик на обучающих признаках и сразу же преобразуйте их.
- Обучите модель логистической регрессии на масштабированных обучающих данных.
- Масштабируйте тестовые признаки.
- Предскажите наличие диабета на масштабированной тестовой выборке.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Fit the scaler on the training features and transform these in one go
X_train_std = scaler.____(____)
# Fit the logistic regression model on the scaled training data
lr.____(____, ____)
# Scale the test features
X_test_std = scaler.____(____)
# Predict diabetes presence on the scaled test set
y_pred = lr.____(____)
# Prints accuracy metrics and feature coefficients
print(f"{accuracy_score(y_test, y_pred):.1%} accuracy on test set.")
print(dict(zip(X.columns, abs(lr.coef_[0]).round(2))))