Використання різних наборів змінних

Додавання більшої кількості змінних, а отже складності, до вашої моделі логістичної регресії не гарантує більшої точності. У цій вправі ви перевірите, чи призводить додавання 3 змінних до моделі до підвищення її точності.

variables_1 і variables_2 доступні у вашому середовищі: ви можете вивести їх у консоль, щоб подивитися, як вони виглядають.

Ця вправа є частиною курсу

Вступ до прогностичної аналітики в Python

Переглянути курс

Інструкції до вправи

Навчіть модель logreg, використавши variables_2, що містить на 3 додаткові змінні порівняно з variables_1.
Зробіть передбачення для цієї моделі.
Обчисліть AUC цієї моделі.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create appropriate DataFrames
X_1 = basetable[variables_1]
X_2 = basetable[variables_2]
y = basetable[["target"]]

# Create the logistic regression model
logreg = linear_model.LogisticRegression()

# Make predictions using the first set of variables and assign the AUC to auc_1
logreg.fit(X_1, y)
predictions_1 = logreg.predict_proba(X_1)[:,1]
auc_1 = roc_auc_score(y, predictions_1)

# Make predictions using the second set of variables and assign the AUC to auc_2
logreg.____(____, ____)
predictions_2 = ____.____(____)[____,____]
auc_2 = ____(____, ____)

# Print auc_1 and auc_2
print(round(auc_1,2))
print(round(auc_2,2))

Редагувати та запускати код