Fit hồi quy logistic với regularization L1
Bây giờ bạn sẽ chạy một mô hình hồi quy logistic trên dữ liệu đã được scale với regularization L1 để chọn đặc trưng song song với việc xây dựng mô hình. Trong bài tập video, bạn đã thấy các giá trị C khác nhau ảnh hưởng thế nào đến điểm accuracy và số lượng đặc trưng khác 0. Trong bài này, bạn sẽ đặt C bằng 0.025.
Các hàm LogisticRegression và accuracy_score từ thư viện sklearn đã được nạp sẵn cho bạn. Ngoài ra, các biến đặc trưng đã scale và biến mục tiêu cũng đã được nạp dưới dạng train_X, train_Y cho dữ liệu huấn luyện, và test_X, test_Y cho dữ liệu kiểm thử.
Bài tập này là một phần của khóa học
Machine Learning cho Marketing với Python
Hướng dẫn bài tập
- Khởi tạo một mô hình hồi quy logistic với regularization L1 và giá trị
Clà 0.025. - Fit mô hình trên dữ liệu huấn luyện.
- Dự đoán churn trên dữ liệu kiểm thử.
- In điểm accuracy của các nhãn dự đoán trên dữ liệu kiểm thử.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Initialize logistic regression instance
logreg = ___(penalty='l1', ___=0.025, solver='liblinear')
# Fit the model on training data
logreg.___(train_X, ___)
# Predict churn values on test data
pred_test_Y = logreg.predict(___)
# Print the accuracy score on test data
print('Test accuracy:', round(accuracy_score(test_Y, ___), 4))