Kom igångKom igång gratis

Logistisk regression för bilder

I den här övningen bygger du en logistisk regressionsmodell på ett dataset med bröstcancerdata från föregående övning och utvärderar dess noggrannhet.

X_train, X_test, y_train och y_test som du skapade i föregående övning finns tillgängliga i din arbetsyta, tillsammans med sklearn och pandas som pd. LogisticRegression är tillgängligt via sklearn.linear_model.

Den här övningen är en del av kursen

Förutsäga CTR med maskininlärning i Python

Visa kurs

Övningsinstruktioner

  • Skapa en klassificerare för logistisk regression.
  • Träna klassificeraren med träningsdata och gör förutsägelser på testdata.
  • Tilldela totalsummorna för korrekta respektive felaktiga förutsägelser till num_right och num_wrong.
  • Beräkna noggrannheten med hjälp av num_right och num_wrong och funktionen sum().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create and fit a logistic regression classifier
clf = ____().____(X_train, y_train)

# Predict labels
y_pred = clf.____(X_test) 

# Get number of right and wrong predictions
num_right = (y_test == y_pred).____()
num_wrong = (y_test != y_pred).____()

# Compute and print accuracy
accuracy = 1.0 * num_right / (____ + ____)
print(accuracy)
Redigera och kör kod