เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การพยากรณ์ผลลัพธ์

เมื่อโมเดลพร้อมใช้งานแล้ว สามารถนำไปพยากรณ์ผลลัพธ์สำหรับแคมเปญได้ทันที สิ่งสำคัญคือต้องใช้ข้อมูลล่าสุดเสมอในการพยากรณ์

ในแบบฝึกหัดนี้ คุณจะได้เรียนรู้วิธีพยากรณ์ผลลัพธ์จาก basetable ที่อัปเดตใหม่ โดยใช้โมเดล logistic regression ที่ผ่านการ fit มาแล้ว

โมเดล logistic regression ที่สร้างในแบบฝึกหัดก่อนหน้าได้ถูก fit และกำหนดค่าไว้ให้แล้วในตัวแปร logreg

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์เชิงพยากรณ์เบื้องต้นด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ข้อมูลล่าสุดอยู่ใน current_data สร้าง DataFrame ชื่อ new_data โดยเลือกเฉพาะคอลัมน์ที่เกี่ยวข้องจาก current_data
  • กำหนดค่าพยากรณ์สำหรับข้อมูลใน new_data ให้กับตัวแปร predictions

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])
แก้ไขและรันโค้ด