Теперь вы подберёте параметр C для L1-регуляризации, чтобы найти значение, которое снижает сложность модели, не ухудшая при этом её метрики качества. Вы запустите цикл for по возможным значениям C, на каждом шаге строя логистическую регрессию и вычисляя метрики производительности.

Список C с возможными значениями уже создан. Массив l1_metrics содержит 3 столбца: первый — значения C, второй и третий — заглушки для количества ненулевых коэффициентов и значения полноты модели. Масштабированные признаки и целевые переменные загружены как train_X, train_Y для обучения и test_X, test_Y для тестирования.

Библиотеки numpy и pandas загружены как np и pd, а также импортирована функция recall_score из sklearn.

Прогнозирование оттока с помощью логистической регрессии

Create Your Free Account