Створення прогнозів

Коли ваша модель готова, ви можете використовувати її для прогнозування результатів кампанії. Важливо завжди використовувати найактуальнішу інформацію для побудови прогнозів.

У цій вправі ви, маючи навченою модель логістичної регресії, навчитеся робити прогнози для нової, оновленої базової таблиці.

Модель логістичної регресії, яку ви побудували в попередніх вправах, уже додано та навчено — вона збережена в змінній logreg.

Ця вправа є частиною курсу

Вступ до прогностичної аналітики в Python

Переглянути курс

Інструкції до вправи

Останні дані містяться в current_data. Створіть датафрейм new_data, який вибирає потрібні стовпці з current_data.
Присвойте до predictions прогнози для спостережень у new_data.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)

# Create a DataFrame new_data from current_data that has only the relevant predictors 
new_data = ____[[____, ____, ____]]

# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])

Редагувати та запускати код