Korzystanie z modelu regresji logistycznej

Wprowadzenie do analizy predykcyjnej w Pythonie

Nele Verbiest, Ph.D

Data Scientist @PythonPredictions

Funkcja regresji logistycznej

0.545 * gender_F 
+ 0.021 * age 
-0.001 * time_since_last_gift 
-3.39
  • Kobieta (gender_F=1)
  • Wiek: 72 lata
  • 120 dni od ostatniej darowizny
0.545 * 1 
+ 0.021 * 72 
-0.001 * 120 
-3.39 
= -1.45

$\frac{1}{1+e^{-(-1.45)}} = 0.19$

Wprowadzenie do analizy predykcyjnej w Pythonie

Przewidywanie w Pythonie

  • Kobieta (gender_F=1)
  • Wiek: 72 lata
  • 120 dni od ostatniej darowizny
logreg.predict_proba([1, 72, 120])

array([[ 0.8204144,  0.1795856]])
Wprowadzenie do analizy predykcyjnej w Pythonie

Przewidywanie w Pythonie

new_data = current_data[["gender_F","age","time_since_last_gift"]]

predictions = logreg.predict_proba(new_data)
Wprowadzenie do analizy predykcyjnej w Pythonie

Czas na ćwiczenia!

Wprowadzenie do analizy predykcyjnej w Pythonie

Preparing Video For Download...