使用演化變數

Python 中級預測分析

Nele Verbiest

Senior Data Scientist @PythonPredictions

建立預測模型

# 匯入 linear_model 模組
from sklearn import linear_model

# 預測變數
variables = ["gender","age", "donations_last_year", "ratio_month_year"]

# 選擇自變數與目標
X = basetable[variables]
y = basetable[["target"]]

# 建立羅吉斯迴歸模型
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)

進行預測

# 匯入 linear_model 模組
from sklearn import linear_model

# 預測變數
variables = ["gender","age", "donations_last_year", "ratio_month_year"]

# 選擇自變數與目標
X = basetable[variables]
y = basetable[["target"]]

# 建立羅吉斯迴歸模型
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)

# 進行預測
predictions = logreg.predict_proba(X)[:,1]

以 AUC 評估預測模型

# 自 sklearn.metrics 匯入 roc_auc_score
from sklearn.metrics import roc_auc_score

# 計算 AUC
auc= roc_auc_score(y, predictions)
print(round(auc,2))

0.56

預測變數洞察圖

# 將變數等分為 5 個區間並加入 basetable
basetable["ratio_month_year_disc"] = pd.qcut(basetable["ratio_month_year"], 5)

# 建立預測變數洞察圖的資料表
pig_table = create_pig_table(basetable, "target","ratio_month_year_disc")

```{python}
# 繪製預測變數洞察圖
plot_pig(pig_table, "ratio_month_year_disc")

解讀預測變數洞察圖

一起來練習吧！

Python 中級預測分析