使用不同的變數組合
在你的羅吉斯回歸模型中加入更多變數、增加複雜度，並不會自動帶來更高的準確度。這個練習要讓你驗證：在模型中多加入 3 個變數，是否真的能提升準確度。
variables_1 和 variables_2 已經在你的環境中：你可以把它們印到主控台，看看長什麼樣子。
本練習屬於課程
Python 預測分析入門
練習說明
- 使用相較於
variables_1多 3 個變數的variables_2來擬合logreg模型。 - 產生此模型的預測。
- 計算此模型的 AUC。
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。
# 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))