训练逻辑回归模型
逻辑回归是一种简单但非常强大的分类模型，适用于多种场景。现在，您将对电信流失数据集的训练集拟合一个逻辑回归模型，然后在未见过的测试集上预测标签。之后，您将计算模型预测的准确率。
accuracy_score 函数已导入，且来自 sklearn 的 LogisticRegression 实例已初始化为 logreg。您之前构建的训练集和测试集已分别加载为特征 train_X、test_X，以及目标变量 train_Y、test_Y。
本练习是课程的一部分
Python 营销中的机器学习
练习说明
- 在训练数据上拟合逻辑回归模型。
- 为测试数据预测是否流失的标签。
- 计算测试数据上的准确率。
- 将测试准确率四舍五入到 4 位小数并打印。
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 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))