การสร้างโมเดล Logistic Regression
สามารถสร้างโมเดล logistic regression ได้โดยใช้โมดูล linear_model จาก sklearn โดยเริ่มจากการสร้างโมเดลด้วยเมธอด LogisticRegression():
logreg = linear_model.LogisticRegression()
จากนั้น นำข้อมูลมาป้อนให้โมเดลเพื่อทำการ fit โดย X จะเก็บตัวแปรพยากรณ์ และ y จะเก็บ target
X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)
ในแบบฝึกหัดนี้ คุณจะสร้างโมเดลพยากรณ์แรกโดยใช้ตัวแปรพยากรณ์สามตัว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์เชิงพยากรณ์เบื้องต้นด้วย Python
คำแนะนำการฝึกหัด
- นำเข้าเมธอด
linear_modelจากsklearn - basetable ถูกโหลดไว้ในชื่อ
basetableโดยคอลัมน์ "gender" ได้ถูกแปลงเป็นgender_Fแล้วเพื่อให้ใช้เป็นตัวแปรพยากรณ์ได้ สร้าง DataFrameXที่ประกอบด้วยตัวแปรพยากรณ์age,gender_Fและtime_since_last_gift - สร้าง DataFrame
yที่เก็บค่า target - สร้างโมเดล logistic regression
- Fit โมเดล logistic regression กับ basetable ที่กำหนด
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import linear_model from sklearn.
from ____ import ____
# Create a DataFrame X that only contains the candidate predictors age, gender_F and time_since_last_gift.
X = ____[[____, ____, ____]]
# Create a DataFrame y that contains the target.
y = ____[[____]]
# Create a logistic regression model logreg and fit it to the data.
logreg = ____.____
logreg.____(____, ____)