เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การฟิตโมเดล Logistic

มหาวิทยาลัยที่ศึกษาความสัมพันธ์ระหว่างชั่วโมงการเรียนและผลการทดสอบได้มอบชุดข้อมูลให้ โดยประกอบด้วยจำนวนชั่วโมงที่นักศึกษาเรียน และผลว่าสอบผ่านหรือสอบตก พร้อมขอให้ฟิตโมเดลเพื่อพยากรณ์ผลในอนาคต

ข้อมูลถูกเก็บไว้ในตัวแปร hours_of_study และ outcomes ใช้ข้อมูลนี้เพื่อฟิตโมเดล LogisticRegression โดย numpy ถูก import ไว้แล้วในชื่อ np

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

พื้นฐานความน่าจะเป็นด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import LogisticRegression จาก sklearn.linear_model
  • สร้างโมเดลโดยใช้ LogisticRegression(C=1e9)
  • ส่งข้อมูลเข้าไปยังเมธอด model.fit()
  • สร้างตัวแปรสำหรับแต่ละพารามิเตอร์ กำหนดค่าจากโมเดล แล้วพิมพ์ค่าพารามิเตอร์ beta1 และ beta0

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
แก้ไขและรันโค้ด