Desafío: Implementación de Regresión Logística
Para implementar la regresión logística en Python, se utiliza la clase LogisticRegression
:
Por ahora, se pueden mantener los parámetros predeterminados. La creación y el ajuste del modelo se pueden realizar en una sola línea:
logistic_regression = LogisticRegression().fit(X_train, y_train)
El conjunto de datos para este capítulo proviene de una institución bancaria portuguesa y contiene información de campañas de marketing realizadas mediante llamadas telefónicas. El objetivo es predecir si un cliente suscribirá un depósito a plazo, en función de sus datos personales, financieros y de contacto, así como los resultados de interacciones previas de marketing.
Los datos ya están preprocesados y listos para ser utilizados en el modelo.
Swipe to start coding
Se proporciona un conjunto de datos de marketing bancario portugués almacenado como un DataFrame
en la variable df
.
- Dividir el conjunto de datos en conjuntos de entrenamiento y prueba, asignando el 80% para los datos de entrenamiento. Establecer
random_state=42
y almacenar los conjuntos resultantes en las variablesX_train
,X_test
,y_train
,y_test
. - Inicializar y ajustar un modelo de Regresión Logística en el conjunto de entrenamiento, almacenando el modelo ajustado en la variable
lr
. - Calcular la precisión en el conjunto de prueba y almacenar el resultado en la variable
test_accuracy
.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
What are the default parameters of the LogisticRegression class?
How can I evaluate the performance of my logistic regression model?
Can you explain what features are included in the dataset?
Awesome!
Completion rate improved to 4.17
Desafío: Implementación de Regresión Logística
Desliza para mostrar el menú
Para implementar la regresión logística en Python, se utiliza la clase LogisticRegression
:
Por ahora, se pueden mantener los parámetros predeterminados. La creación y el ajuste del modelo se pueden realizar en una sola línea:
logistic_regression = LogisticRegression().fit(X_train, y_train)
El conjunto de datos para este capítulo proviene de una institución bancaria portuguesa y contiene información de campañas de marketing realizadas mediante llamadas telefónicas. El objetivo es predecir si un cliente suscribirá un depósito a plazo, en función de sus datos personales, financieros y de contacto, así como los resultados de interacciones previas de marketing.
Los datos ya están preprocesados y listos para ser utilizados en el modelo.
Swipe to start coding
Se proporciona un conjunto de datos de marketing bancario portugués almacenado como un DataFrame
en la variable df
.
- Dividir el conjunto de datos en conjuntos de entrenamiento y prueba, asignando el 80% para los datos de entrenamiento. Establecer
random_state=42
y almacenar los conjuntos resultantes en las variablesX_train
,X_test
,y_train
,y_test
. - Inicializar y ajustar un modelo de Regresión Logística en el conjunto de entrenamiento, almacenando el modelo ajustado en la variable
lr
. - Calcular la precisión en el conjunto de prueba y almacenar el resultado en la variable
test_accuracy
.
Solución
¡Gracias por tus comentarios!
single