เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ฝึกโมเดล logistic regression

Logistic regression เป็นโมเดล classification ที่เรียบง่ายแต่ทรงพลังมาก และถูกนำไปใช้งานในหลากหลายสถานการณ์ ในแบบฝึกหัดนี้จะได้ฝึกโมเดล logistic regression บนข้อมูล training ของชุดข้อมูลการเลิกใช้บริการโทรคมนาคม จากนั้นพยากรณ์ label บนชุดทดสอบที่โมเดลยังไม่เคยเห็น และคำนวณความแม่นยำของผลการพยากรณ์

ฟังก์ชัน accuracy_score ถูก import มาแล้ว และมีการสร้าง instance ของ LogisticRegression จาก sklearn ชื่อว่า logreg ไว้ให้แล้ว ชุดข้อมูล training และ testing ที่สร้างไว้ก่อนหน้าถูกโหลดเป็น train_X และ test_X สำหรับ feature และ train_Y กับ test_Y สำหรับตัวแปรเป้าหมาย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับการตลาดด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ฝึกโมเดล logistic regression บนข้อมูล training
  • พยากรณ์ label การเลิกใช้บริการสำหรับข้อมูล testing
  • คำนวณค่าความแม่นยำบนข้อมูล testing
  • แสดงผลค่าความแม่นยำของชุดทดสอบโดยปัดเศษให้เหลือ 4 ตำแหน่งทศนิยม

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Fit logistic regression on training data
logreg.___(train_X, train_Y)

# Predict churn labels on testing data
pred_test_Y = ___.predict(test_X)

# Calculate accuracy score on testing data
test_accuracy = ___(test_Y, pred_test_Y)

# Print test accuracy score rounded to 4 decimals
print('Test accuracy:', ___(test_accuracy, 4))
แก้ไขและรันโค้ด