Kom igångKom igång gratis

Anpassa en logistisk modell

Ett universitet som undersöker sambandet mellan studietimmar och testresultat har gett dig en datamängd med antalet timmar studenterna studerade och om de underkändes eller godkändes på testet. Du har blivit ombedd att anpassa en modell för att förutsäga framtida prestationer.

Data finns i variablerna hours_of_study och outcomes. Använd dessa data för att anpassa en LogisticRegression-modell. numpy har importerats som np för din bekvämlighet.

Den här övningen är en del av kursen

Grunderna i sannolikhetslära med Python

Visa kurs

Övningsinstruktioner

  • Importera LogisticRegression från sklearn.linear_model.
  • Skapa modellen med LogisticRegression(C=1e9).
  • Skicka data till metoden model.fit().
  • Skapa variabler för varje parameter, tilldela värdena från modellen och skriv ut parametrarna beta1 och beta0.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
Redigera och kör kod