Lojistik regresyon modeli fit et

Logistic regression, birçok farklı kullanım alanında yer alan basit ama çok güçlü bir sınıflandırma modelidir. Şimdi, telecom churn veri kümesinin eğitim kısmı üzerinde bir lojistik regresyon fit edeceksin ve ardından görülmemiş test kümesi üzerinde etiketleri tahmin edeceksin. Sonrasında, model tahminlerinin doğruluğunu hesaplayacaksın.

accuracy_score fonksiyonu içe aktarılmış durumda ve sklearn içindeki LogisticRegression örneği logreg olarak başlatıldı. Daha önce oluşturduğun eğitim ve test veri kümeleri, özellikler için train_X ve test_X, hedef değişkenler için train_Y ve test_Y olarak yüklendi.

Bu egzersiz

Python ile Pazarlama için Machine Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Eğitim verileri üzerinde bir lojistik regresyon fit et.
Test verileri için churn etiketlerini tahmin et.
Test verisi üzerinde accuracy skorunu hesapla.
Test accuracy değerini 4 ondalığa yuvarlayıp yazdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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))

Kodu Düzenle ve Çalıştır