擬合 Logistic Regression 模型
Logistic regression 是一種簡單但相當強大的分類模型，應用情境非常多。現在你要在電信退訂（churn）資料集的訓練集上擬合一個邏輯迴歸模型，接著在未看過的測試集上進行標籤預測。之後，你會計算模型預測的準確率。
accuracy_score 函式已經匯入，並且已從 sklearn 建立好 LogisticRegression 實例為 logreg。你先前建立的訓練與測試資料集已載入為特徵的 train_X、test_X，以及目標變數的 train_Y、test_Y。
本練習屬於課程
Python 的行銷機器學習
練習說明
- 在訓練資料上擬合邏輯迴歸模型。
- 為測試資料預測退訂標籤。
- 在測試資料上計算準確率（accuracy score）。
- 列印四捨五入到小數點後 4 位的測試準確率。
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。
# 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))