Использование различных наборов переменных

Добавление новых переменных и усложнение модели логистической регрессии не всегда повышает её точность. В этом упражнении вы проверите, улучшает ли добавление 3 переменных качество модели.

Переменные variables_1 и variables_2 доступны в вашем окружении: выведите их в консоль, чтобы изучить их содержимое.

Это упражнение является частью курса

Введение в предиктивную аналитику на Python

Посмотреть курс

Инструкции к упражнению

Обучите модель logreg, используя variables_2, которая содержит 3 дополнительные переменные по сравнению с variables_1.
Получите прогнозы для этой модели.
Вычислите значение AUC для этой модели.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create appropriate DataFrames
X_1 = basetable[variables_1]
X_2 = basetable[variables_2]
y = basetable[["target"]]

# Create the logistic regression model
logreg = linear_model.LogisticRegression()

# Make predictions using the first set of variables and assign the AUC to auc_1
logreg.fit(X_1, y)
predictions_1 = logreg.predict_proba(X_1)[:,1]
auc_1 = roc_auc_score(y, predictions_1)

# Make predictions using the second set of variables and assign the AUC to auc_2
logreg.____(____, ____)
predictions_2 = ____.____(____)[____,____]
auc_2 = ____(____, ____)

# Print auc_1 and auc_2
print(round(auc_1,2))
print(round(auc_2,2))

Редактировать и запускать код