Klara två prov
Tänk dig att du är en av universitetsstudenterna. Du har två prov inplanerade i olika ämnen och har ont om tid att plugga. Du vill veta hur mycket tid du behöver lägga på varje ämne för att maximera sannolikheten att klara båda proven. Som tur är finns det data att utgå ifrån.
För ämne A har du redan anpassat en logistisk modell i model_A, och för ämne B har du anpassat en modell i model_B. Utöver LogisticRegression från sklearn.linear_model och numpy som np har även expit() – inversen till den logistiska funktionen – importerats åt dig från scipy.special.
Den här övningen är en del av kursen
Grunderna i sannolikhetslära med Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Specify values to predict
hours_of_study_test_A = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_A = model_A.predict(____)
print(predicted_outcomes_A)
# Specify values to predict
hours_of_study_test_B = [[____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_B = model_B.____(____)
print(predicted_outcomes_B)