Для реалізації логістичної регресії в Python використовується клас LogisticRegression:

Конструктор:

• LogisticRegression(penalty = 'l2', C = 1.0)
• penalty — термін регуляризації. Можливі значення: 'l2', 'l1', 'elasticnet', None;
• C — визначає силу регуляризації. Більше значення C означає меншу регуляризацію;

Методи:

• fit(X, y) — Навчання на тренувальній вибірці;
• predict(X) — Прогнозування класу для X;
• score(X, y) — Повертає точність для набору X, y.

Поки що можна використовувати параметри за замовчуванням. Створення та навчання моделі виконується в одному рядку:

logistic_regression = LogisticRegression().fit(X_train, y_train)

Набір даних для цього розділу отримано з португальської банківської установи та містить інформацію про маркетингові кампанії, проведені за допомогою телефонних дзвінків. Мета — передбачити, чи оформить клієнт строковий депозит, на основі його особистих, фінансових та контактних даних, а також результатів попередніх маркетингових взаємодій.

Дані вже попередньо оброблені та готові для подачі в модель.