ПочатиПочніть безкоштовно

Підгонка логістичної моделі

Університет, що вивчає зв'язок між кількістю годин навчання та результатами певного тесту, надав вам набір даних із кількістю годин, які студенти навчалися, і тим, чи склали вони тест, чи ні, та попросив вас побудувати модель для прогнозування майбутніх результатів.

Дані збережено у змінних hours_of_study та outcomes. Використайте ці дані, щоб підігнати модель LogisticRegression. Для зручності numpy імпортовано як np.

Ця вправа є частиною курсу

Основи теорії ймовірностей у Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте LogisticRegression з sklearn.linear_model.
  • Створіть модель за допомогою LogisticRegression(C=1e9).
  • Передайте дані до методу model.fit().
  • Створіть змінні для кожного параметра, присвойте їм значення з моделі та виведіть параметри beta1 і beta0.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
Редагувати та запускати код