建立邏輯迴歸模型
你可以使用 sklearn 的 linear_model 模組來建立邏輯迴歸模型。首先，使用 LogisticRegression() 方法建立一個邏輯迴歸模型：
logreg = linear_model.LogisticRegression()
接下來需要將資料提供給邏輯迴歸模型，以便進行擬合。X 包含預測變數，而 y 包含目標變數。
X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)
在這個練習中，你會使用三個預測變數來建立你的第一個預測模型。
本練習屬於課程
Python 預測分析入門
練習說明
- 從
sklearn匯入方法linear_model。 basetable已載入為basetable。注意欄位「gender」已轉換為gender_F，以便可作為預測變數使用。建立一個包含預測變數age、gender_F與time_since_last_gift的 DataFrameX。- 建立一個包含目標變數的 DataFrame
y。 - 建立一個邏輯迴歸模型。
- 在提供的 basetable 上擬合這個邏輯迴歸模型。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import linear_model from sklearn.
from ____ import ____
# Create a DataFrame X that only contains the candidate predictors age, gender_F and time_since_last_gift.
X = ____[[____, ____, ____]]
# Create a DataFrame y that contains the target.
y = ____[[____]]
# Create a logistic regression model logreg and fit it to the data.
logreg = ____.____
logreg.____(____, ____)