Utiliser le modèle de régression logistique

Introduction à l'analytique prédictive en Python

Nele Verbiest, Ph.D

Data Scientist @PythonPredictions

La fonction de régression logistique

0,545 * gender_F 
+ 0,021 * age 
-0,001 * time_since_last_gift 
-3,39
  • Femme (gender_F=1)
  • âge 72
  • 120 jours depuis le dernier don
0,545 * 1 
+ 0,021 * 72 
-0,001 * 120 
-3,39 
= -1,45

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

Introduction à l'analytique prédictive en Python

Faire des prédictions en Python

  • Femme (gender_F=1)
  • Âge 72
  • 120 jours depuis le dernier don
logreg.predict_proba([1, 72, 120])

array([[ 0.8204144,  0.1795856]])
Introduction à l'analytique prédictive en Python

Faire des prédictions en Python

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

predictions = logreg.predict_proba(new_data)
Introduction à l'analytique prédictive en Python

Passons à la pratique !

Introduction à l'analytique prédictive en Python

Preparing Video For Download...