时间线违例
为说明时间线的重要性，考虑这样一个示例：您违反时间线，用目标期内的信息来构建预测变量。
pandas 数据框 basetable 中有两列："amount_2017" 表示 2017 年的捐赠总额，"target" 在该金额大于 30 时为 1，否则为 0。
请构建一个以 "amount_2017" 作为唯一预测变量来预测目标的逻辑回归模型，并计算该模型的 AUC。
本练习是课程的一部分
Python 预测分析进阶
练习说明
- 创建只包含预测变量的数据框
X，以及只包含目标的数据框y。 - 拟合逻辑回归模型，使
y由X进行预测。 构建一个以amount_2017为唯一预测变量并预测target的逻辑回归模型。 - 为
X中的对象生成预测。 - 使用函数
roc_auc_score计算并打印该模型的 AUC。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Select the relevant predictors and the target
X = basetable[["____"]]
y = basetable[["____"]]
# Build the logistic regression model
logreg = linear_model.LogisticRegression()
logreg.____(____, ____)
# Make predictions for X
predictions = logreg.____(____)[:,1]
# Calculate and print the AUC value
auc = ____(____, ____)
print(round(auc, 2))