Modellens prestanda
Nu ska du utvärdera modellen från föregående lektion mot testdata.
Att utvärdera en modell mot ny, osedd data är viktigt – det visar att modellen kan göra korrekta uppskattningar på data den aldrig har sett tidigare.
Alla nödvändiga moduler har importerats, och data finns tillgänglig som X_train och y_train, samt X_test och y_test.
Den här övningen är en del av kursen
Analysera IoT-data i Python
Övningsinstruktioner
- Skapa en
LogisticRegression-modell. - Träna modellen på
X_trainochy_train. - Beräkna modellens poäng med
X_trainochy_train. - Beräkna modellens poäng med
X_testochy_test.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create LogisticRegression model
logreg = ____()
# Fit the model
logreg.____(____, ____)
# Score the model
print(logreg.____(____, ____))
print(____)