构建糖尿病分类器
您将使用 Pima Indians 糖尿病数据集，通过逻辑回归预测某人是否患有糖尿病。该数据集包含 8 个特征和 1 个目标变量。数据已被划分为训练集和测试集，并以 X_train、y_train、X_test 和 y_test 的形式为您预加载。
StandardScaler() 实例已预定义为 scaler，LogisticRegression() 实例已预定义为 lr。
本练习是课程的一部分
Python 中的降维
练习说明
- 在训练特征上拟合标准化器，并一次性转换这些特征。
- 在已缩放的训练数据上拟合逻辑回归模型。
- 对测试特征进行缩放。
- 在已缩放的测试集上预测是否患有糖尿病。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Fit the scaler on the training features and transform these in one go
X_train_std = scaler.____(____)
# Fit the logistic regression model on the scaled training data
lr.____(____, ____)
# Scale the test features
X_test_std = scaler.____(____)
# Predict diabetes presence on the scaled test set
y_pred = lr.____(____)
# Prints accuracy metrics and feature coefficients
print(f"{accuracy_score(y_test, y_pred):.1%} accuracy on test set.")
print(dict(zip(X.columns, abs(lr.coef_[0]).round(2))))