Построение прогнозов

Когда модель готова, её можно использовать для построения прогнозов по кампании. Важно всегда опираться на актуальные данные.

В этом упражнении вы научитесь строить прогнозы для новой, обновлённой базовой таблицы на основе уже обученной модели логистической регрессии.

Модель логистической регрессии, которую вы построили в предыдущих упражнениях, уже добавлена и обучена — она доступна в переменной logreg.

Это упражнение является частью курса

Введение в предиктивную аналитику на Python

Посмотреть курс

Инструкции к упражнению

Актуальные данные хранятся в current_data. Создайте DataFrame new_data, выбрав из current_data нужные столбцы.
Запишите в переменную predictions прогнозы для наблюдений из new_data.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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])

Редактировать и запускать код