การพยากรณ์ผลลัพธ์
เมื่อโมเดลพร้อมใช้งานแล้ว สามารถนำไปพยากรณ์ผลลัพธ์สำหรับแคมเปญได้ทันที สิ่งสำคัญคือต้องใช้ข้อมูลล่าสุดเสมอในการพยากรณ์
ในแบบฝึกหัดนี้ คุณจะได้เรียนรู้วิธีพยากรณ์ผลลัพธ์จาก basetable ที่อัปเดตใหม่ โดยใช้โมเดล logistic regression ที่ผ่านการ fit มาแล้ว
โมเดล logistic regression ที่สร้างในแบบฝึกหัดก่อนหน้าได้ถูก fit และกำหนดค่าไว้ให้แล้วในตัวแปร logreg
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์เชิงพยากรณ์เบื้องต้นด้วย Python
คำแนะนำการฝึกหัด
- ข้อมูลล่าสุดอยู่ใน
current_dataสร้าง DataFrame ชื่อnew_dataโดยเลือกเฉพาะคอลัมน์ที่เกี่ยวข้องจากcurrent_data - กำหนดค่าพยากรณ์สำหรับข้อมูลใน
new_dataให้กับตัวแปรpredictions
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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])