Kursinhalt
Klassifikation mit Python
Klassifikation mit Python
Herausforderung: Implementierung der Logistischen Regression
Jetzt implementieren wir die logistische Regression in Python!
Dafür wird die LogisticRegression Klasse verwendet.
Beachten Sie, dass die logistische Regression standardmäßig die ℓ2-Regularisierung (penalty='l2') verwendet. Wir werden in späteren Kapiteln über Regularisierung sprechen. Für den Moment bleiben wir bei den Standardparametern.
Der Datensatz für dieses Kapitel handelt von Marketingkampagnen basierend auf Telefonanrufen einer portugiesischen Bankinstitution. Das Ziel ist es, vorherzusagen, ob der Nutzer ein Termingeldkonto abschließen wird.
Die Daten sind bereits vorverarbeitet und bereit, dem Modell zugeführt zu werden. Die folgenden Kapitel werden die für die logistische Regression erforderliche Vorverarbeitung behandeln.
Swipe to start coding
Erstellen Sie ein Modell der logistischen Regression und berechnen Sie die Genauigkeit auf dem Trainingssatz.
- Importieren Sie die
LogisticRegression-Klasse. - Erstellen Sie eine Instanz der Klasse
LogisticRegressionmit Standardparametern und trainieren Sie sie. - Drucken Sie die Genauigkeit auf dem gleichen
X, y-Datensatz aus.
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
Herausforderung: Implementierung der Logistischen Regression
Jetzt implementieren wir die logistische Regression in Python!
Dafür wird die LogisticRegression Klasse verwendet.
Beachten Sie, dass die logistische Regression standardmäßig die ℓ2-Regularisierung (penalty='l2') verwendet. Wir werden in späteren Kapiteln über Regularisierung sprechen. Für den Moment bleiben wir bei den Standardparametern.
Der Datensatz für dieses Kapitel handelt von Marketingkampagnen basierend auf Telefonanrufen einer portugiesischen Bankinstitution. Das Ziel ist es, vorherzusagen, ob der Nutzer ein Termingeldkonto abschließen wird.
Die Daten sind bereits vorverarbeitet und bereit, dem Modell zugeführt zu werden. Die folgenden Kapitel werden die für die logistische Regression erforderliche Vorverarbeitung behandeln.
Swipe to start coding
Erstellen Sie ein Modell der logistischen Regression und berechnen Sie die Genauigkeit auf dem Trainingssatz.
- Importieren Sie die
LogisticRegression-Klasse. - Erstellen Sie eine Instanz der Klasse
LogisticRegressionmit Standardparametern und trainieren Sie sie. - Drucken Sie die Genauigkeit auf dem gleichen
X, y-Datensatz aus.
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden