Навчіть модель логістичної регресії
Логістична регресія — проста, але дуже потужна модель класифікації, яку застосовують у багатьох задачах. Тепер ви навчите логістичну регресію на тренувальній частині набору даних про відтік клієнтів у телекомі, а потім спрогнозуєте мітки для невидимої тестової вибірки. Після цього ви обчислите точність прогнозів вашої моделі.
Функцію accuracy_score вже імпортовано, а екземпляр LogisticRegression зі sklearn ініціалізовано як logreg. Раніше підготовлені тренувальні та тестові набори даних завантажено як train_X і test_X для ознак та train_Y і test_Y для цільових змінних.
Ця вправа є частиною курсу
Machine Learning для маркетингу в Python
Інструкції до вправи
- Навчіть логістичну регресію на тренувальних даних.
- Спрогнозуйте мітки відтоку для тестових даних.
- Обчисліть показник точності на тестових даних.
- Виведіть тестову точність, округлену до 4 знаків після коми.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Fit logistic regression on training data
logreg.___(train_X, train_Y)
# Predict churn labels on testing data
pred_test_Y = ___.predict(test_X)
# Calculate accuracy score on testing data
test_accuracy = ___(test_Y, pred_test_Y)
# Print test accuracy score rounded to 4 decimals
print('Test accuracy:', ___(test_accuracy, 4))