НачатьНачать бесплатно

Логистическая регрессия для изображений

В этом упражнении вы построите модель логистической регрессии на наборе данных о раке молочной железы из предыдущего упражнения и оцените её точность.

Переменные X_train, X_test, y_train и y_test, созданные в предыдущем упражнении, доступны в вашем рабочем пространстве вместе с библиотеками sklearn и pandas под псевдонимом pd. Класс LogisticRegression доступен через sklearn.linear_model.

Это упражнение является частью курса

Прогнозирование CTR с помощью машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

  • Создайте классификатор на основе логистической регрессии.
  • Обучите классификатор на обучающих данных и получите предсказания для тестовых данных.
  • Запишите количество правильных и неправильных предсказаний в переменные num_right и num_wrong соответственно.
  • Вычислите точность модели, используя num_right и num_wrong с помощью функции sum().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create and fit a logistic regression classifier
clf = ____().____(X_train, y_train)

# Predict labels
y_pred = clf.____(X_test) 

# Get number of right and wrong predictions
num_right = (y_test == y_pred).____()
num_wrong = (y_test != y_pred).____()

# Compute and print accuracy
accuracy = 1.0 * num_right / (____ + ____)
print(accuracy)
Редактировать и запускать код