图像的逻辑回归
在本练习中，您将基于上一个练习的乳腺癌数据集构建一个逻辑回归模型，并评估其准确率。
您在上一个练习中创建的 X_train、X_test、y_train 和 y_test 已经在工作区中可用，同时还提供了 sklearn 和以 pd 导入的 pandas。LogisticRegression 可通过 sklearn.linear_model 获取。
本练习是课程的一部分
用 Python 预测 CTR 的机器学习实战
练习说明
- 创建一个逻辑回归分类器。
- 使用训练数据拟合分类器，并对测试数据进行预测。
- 将训练与测试目标之间预测正确与预测错误的总数分别赋给
num_right和num_wrong。 - 使用
sum()基于num_right和num_wrong计算准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create and fit a logistic regression classifier
clf = ____().____(X_train, y_train)
# Predict labels
y_pred = clf.____(X_test)
# Get number of right and wrong predictions
num_right = (y_test == y_pred).____()
num_wrong = (y_test != y_pred).____()
# Compute and print accuracy
accuracy = 1.0 * num_right / (____ + ____)
print(accuracy)