Farklı değişken setlerini kullanma
Lojistik regresyon modeline daha fazla değişken ve dolayısıyla daha fazla karmaşıklık eklemek, otomatik olarak daha doğru modeller elde edeceğin anlamına gelmez. Bu egzersizde, bir modele 3 değişken eklemenin daha doğru bir modele yol açıp açmadığını doğrulayabilirsin.
variables_1 ve variables_2 ortamında mevcut: nasıl göründüklerini incelemek için konsola yazdırabilirsin.
Bu egzersiz, kursun bir parçasıdır
Python ile Öngörücü Analitiğe Giriş
Egzersiz talimatları
variables_1ile karşılaştırıldığında 3 ek değişken içerenvariables_2kullanaraklogregmodelini uydur.- Bu model için tahminler yap.
- Bu modelin AUC değerini hesapla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create appropriate DataFrames
X_1 = basetable[variables_1]
X_2 = basetable[variables_2]
y = basetable[["target"]]
# Create the logistic regression model
logreg = linear_model.LogisticRegression()
# Make predictions using the first set of variables and assign the AUC to auc_1
logreg.fit(X_1, y)
predictions_1 = logreg.predict_proba(X_1)[:,1]
auc_1 = roc_auc_score(y, predictions_1)
# Make predictions using the second set of variables and assign the AUC to auc_2
logreg.____(____, ____)
predictions_2 = ____.____(____)[____,____]
auc_2 = ____(____, ____)
# Print auc_1 and auc_2
print(round(auc_1,2))
print(round(auc_2,2))