Träna en logistisk regressionsmodell
Logistisk regression är en enkel men kraftfull klassificeringsmodell som används i många olika sammanhang. Du ska nu träna en logistisk regression på träningsdelen av telekommunikationsdatasetet för kundbortfall och sedan förutsäga etiketter för det osedda testsetet. Därefter beräknar du noggrannheten för dina modellförutsägelser.
Funktionen accuracy_score har importerats och en instans av LogisticRegression från sklearn har initierats som logreg. Tränings- och testdataseten som du byggt tidigare har laddats in som train_X och test_X för särdrag, och train_Y och test_Y för målvariabler.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Träna en logistisk regression på träningsdatan.
- Förutsäg kundbortfallsetiketter för testdatan.
- Beräkna noggrannhetspoängen på testdatan.
- Skriv ut testnoggrannheten avrundad till 4 decimaler.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Fit logistic regression on training data
logreg.___(train_X, train_Y)
# Predict churn labels on testing data
pred_test_Y = ___.predict(test_X)
# Calculate accuracy score on testing data
test_accuracy = ___(test_Y, pred_test_Y)
# Print test accuracy score rounded to 4 decimals
print('Test accuracy:', ___(test_accuracy, 4))