ПочатиПочніть безкоштовно

Логістична регресія для зображень

У цій вправі ви побудуєте модель логістичної регресії на наборі даних про рак молочної залози з попередньої вправи та оціните її точність.

X_train, X_test, y_train і y_test, які ви створили в попередній вправі, доступні у вашому робочому середовищі, так само як sklearn і pandas як pd. LogisticRegression доступний через sklearn.linear_model.

Ця вправа є частиною курсу

Прогнозування CTR за допомогою машинного навчання в Python

Переглянути курс

Інструкції до вправи

  • Створіть класифікатор логістичної регресії.
  • Навчіть класифікатор на тренувальних даних і виконайте передбачення для тестових даних.
  • Присвойте підсумкові значення для правильних і неправильних передбачень між тренувальними та тестовими цільовими мітками змінним num_right і num_wrong відповідно.
  • Обчисліть точність, використовуючи num_right і num_wrong за допомогою sum().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create and fit a logistic regression classifier
clf = ____().____(X_train, y_train)

# Predict labels
y_pred = clf.____(X_test) 

# Get number of right and wrong predictions
num_right = (y_test == y_pred).____()
num_wrong = (y_test != y_pred).____()

# Compute and print accuracy
accuracy = 1.0 * num_right / (____ + ____)
print(accuracy)
Редагувати та запускати код