Використання моделі логістичної регресії

Вступ до прогностичної аналітики в Python

Nele Verbiest, Ph.D

Data Scientist @PythonPredictions

Функція логістичної регресії

0.545 * gender_F 
+ 0.021 * age 
-0.001 * time_since_last_gift 
-3.39
  • Жінка (gender_F=1)
  • вік 72
  • 120 днів від останнього подарунка
0.545 * 1 
+ 0.021 * 72 
-0.001 * 120 
-3.39 
= -1.45

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

Вступ до прогностичної аналітики в Python

Створення прогнозів у Python

  • Жінка (gender_F=1)
  • Вік 72
  • 120 днів від останнього подарунка
logreg.predict_proba([1, 72, 120])

array([[ 0.8204144,  0.1795856]])
Вступ до прогностичної аналітики в Python

Створення прогнозів у Python

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

predictions = logreg.predict_proba(new_data)
Вступ до прогностичної аналітики в Python

Давайте потренуємось!

Вступ до прогностичної аналітики в Python

Preparing Video For Download...