Створення класифікатора для діабету
Ви працюватимете з набором даних про діабет у корінних народів Піма, щоб передбачити наявність діабету за допомогою логістичної регресії. У цьому наборі є 8 ознак і одна ціль. Дані вже розділено на тренувальну та тестову вибірки й попередньо завантажено для вас як X_train, y_train, X_test і y_test.
Екземпляр StandardScaler() попередньо створено як scaler, а LogisticRegression() — як lr.
Ця вправа є частиною курсу
Зменшення розмірності в Python
Інструкції до вправи
- Навчіть масштабувальник на тренувальних ознаках і одразу трансформуйте ці ознаки.
- Навчіть модель логістичної регресії на масштабованих тренувальних даних.
- Масштабуйте тестові ознаки.
- Передбачте наявність діабету на масштабованій тестовій вибірці.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Fit the scaler on the training features and transform these in one go
X_train_std = scaler.____(____)
# Fit the logistic regression model on the scaled training data
lr.____(____, ____)
# Scale the test features
X_test_std = scaler.____(____)
# Predict diabetes presence on the scaled test set
y_pred = lr.____(____)
# Prints accuracy metrics and feature coefficients
print(f"{accuracy_score(y_test, y_pred):.1%} accuracy on test set.")
print(dict(zip(X.columns, abs(lr.coef_[0]).round(2))))