构建逻辑回归模型
您可以使用 sklearn 中的 linear_model 模块来构建逻辑回归模型。首先，使用 LogisticRegression() 方法创建一个逻辑回归模型：
logreg = linear_model.LogisticRegression()
接下来，需要将数据提供给逻辑回归模型以便拟合。X 包含预测变量，而 y 是目标变量。
X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)
在本练习中，您将使用 3 个预测器构建您的第一个预测模型。
本练习是课程的一部分
Python 预测分析入门
练习说明
- 从
sklearn中导入方法linear_model。 - 基础表已加载为
basetable。注意列 "gender" 已转换为gender_F，以便可作为预测器使用。构建一个包含预测器age、gender_F和time_since_last_gift的 DataFrameX。 - 构建一个包含目标变量的 DataFrame
y。 - 创建一个逻辑回归模型。
- 在给定的基础表上拟合该逻辑回归模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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.____(____, ____)