1. Apprendre
    2. /
  2. Cours
    3. /
  3. Вступ до прогностичної аналітики в Python
Connected

Exercice

Побудова моделі логістичної регресії

Ви можете побудувати модель логістичної регресії, використовуючи модуль linear_model з sklearn. Спочатку створіть модель логістичної регресії за допомогою методу LogisticRegression():

logreg = linear_model.LogisticRegression()

Далі потрібно передати дані в модель логістичної регресії, щоб її навчити. X містить предиктори, а y — цільову змінну. 

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

У цій вправі ви побудуєте вашу першу прогностичну модель, використовуючи три предиктори.

Instructions

100 XP
  • Імпортуйте метод linear_model з sklearn.
  • Базову таблицю завантажено як basetable. Зверніть увагу, що стовпець «gender» перетворено на gender_F, щоб його можна було використати як предиктор. Створіть датафрейм X, який містить предиктори age, gender_F і time_since_last_gift.
  • Створіть датафрейм y, який містить цільову змінну.
  • Створіть модель логістичної регресії.
  • Навчіть модель логістичної регресії на наданій базовій таблиці.