Défi : Implémentation de la Régression Logistique
Pour implémenter la régression logistique en Python, la classe LogisticRegression est utilisée :
Pour l’instant, il est possible d’utiliser les paramètres par défaut. La création et l’ajustement du modèle peuvent être réalisés en une seule ligne :
logistic_regression = LogisticRegression().fit(X_train, y_train)
Le jeu de données de ce chapitre provient d’une institution bancaire portugaise et contient des informations issues de campagnes marketing menées par téléphone. L’objectif est de prédire si un client va souscrire à un dépôt à terme, en se basant sur ses informations personnelles, financières, et de contact, ainsi que sur les résultats des précédentes interactions marketing.
Les données sont déjà prétraitées et prêtes à être utilisées par le modèle.
Swipe to start coding
Un jeu de données de marketing bancaire portugais est fourni sous forme de DataFrame dans la variable df.
- Diviser le jeu de données en ensembles d'entraînement et de test, en allouant 80 % aux données d'entraînement. Définir
random_state=42et stocker les ensembles résultants dans les variablesX_train,X_test,y_train,y_test. - Initialiser et ajuster un modèle de régression logistique sur l'ensemble d'entraînement, en stockant le modèle ajusté dans la variable
lr. - Calculer la précision sur l'ensemble de test et stocker le résultat dans la variable
test_accuracy.
Solution
Merci pour vos commentaires !
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
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 4.17Défi : Implémentation de la Régression Logistique
Glissez pour afficher le menu
Pour implémenter la régression logistique en Python, la classe LogisticRegression est utilisée :
Pour l’instant, il est possible d’utiliser les paramètres par défaut. La création et l’ajustement du modèle peuvent être réalisés en une seule ligne :
logistic_regression = LogisticRegression().fit(X_train, y_train)
Le jeu de données de ce chapitre provient d’une institution bancaire portugaise et contient des informations issues de campagnes marketing menées par téléphone. L’objectif est de prédire si un client va souscrire à un dépôt à terme, en se basant sur ses informations personnelles, financières, et de contact, ainsi que sur les résultats des précédentes interactions marketing.
Les données sont déjà prétraitées et prêtes à être utilisées par le modèle.
Swipe to start coding
Un jeu de données de marketing bancaire portugais est fourni sous forme de DataFrame dans la variable df.
- Diviser le jeu de données en ensembles d'entraînement et de test, en allouant 80 % aux données d'entraînement. Définir
random_state=42et stocker les ensembles résultants dans les variablesX_train,X_test,y_train,y_test. - Initialiser et ajuster un modèle de régression logistique sur l'ensemble d'entraînement, en stockant le modèle ajusté dans la variable
lr. - Calculer la précision sur l'ensemble de test et stocker le résultat dans la variable
test_accuracy.
Solution
Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessousMerci pour vos commentaires !
single
