Göra prediktioner

När modellen är klar kan du använda den för att göra prediktioner inför en kampanj. Det är viktigt att alltid använda den senaste informationen när du gör prediktioner.

I den här övningen får du lära dig att, givet en anpassad logistisk regressionsmodell, göra prediktioner för en ny och uppdaterad bastabel.

Den logistiska regressionsmodell som du byggde i tidigare övningar har lagts till och anpassats åt dig i logreg.

Den här övningen är en del av kursen

Introduktion till prediktiv analys i Python

Visa kurs

Övningsinstruktioner

Den senaste datan finns i current_data. Skapa en DataFrame new_data som väljer relevanta kolumner från current_data.
Tilldela predictions de prediktioner som beräknas för observationerna i new_data.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)

# Create a DataFrame new_data from current_data that has only the relevant predictors 
new_data = ____[[____, ____, ____]]

# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])

Redigera och kör kod