Förutsäga om studenter kommer att klara provet
I den föregående övningen beräknade du parametrarna för den logistiska regressionsmodell som anpassas till data om studietimmar och provresultat.
Med dessa parametrar kan du förutsäga studenternas prestationer utifrån deras studietimmar. Använd model.predict() för att få utfallen baserat på den logistiska regressionen.
För din bekvämlighet har LogisticRegression importerats från sklearn.linear_model och numpy har importerats som np.
Den här övningen är en del av kursen
Grunderna i sannolikhetslära med Python
Övningsinstruktioner
- Skapa en array med värdena 10, 11, 12, 13 och 14 för att förutsäga provutfallen baserat på dessa antal studietimmar.
- Använd
model.predict()för att hämta utfallen från modellen och skriv ut dem. - Använd
model.predict_proba()för att beräkna sannolikheten att klara provet med 11 studietimmar.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Specify values to predict
hours_of_study_test = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes = model.____(____)
print(predicted_outcomes)
# Set value in array
value = np.asarray(11).reshape(-1,1)
# Probability of passing the test with 11 hours of study
print("Probability of passing test ", model.____(value)[:,1])