Dans cet article nous allons appliquer une régression logistique avec python en utilisant deux packages très différents: scikit-learn et statsmodels. Nous verrons les pièges à éviter et le code associé. Régression logistique en Python - Test. La régression logistique porte assez mal son nom car il ne s'agit pas à proprement parler d'une régression au sens classique du terme (on essaye pas d'expliquer une variable quantitative mais de classer des individus dans deux catégories). Cette méthode présente depuis de nombreuses années est la méthode la plus utilisée aujourd'hui en production pour construire des scores. En effet, ses atouts en ont fait une méthode de référence. Quels sont ses atouts:
La simplicité du modèle: il s'agit d'un modèle linéaire, la régression logistique est un cas particulier du modèles linéaire généralisé dans lequel on va prédire la probabilité de la réponse 1 plutôt que la valeur directement (0 ou 1). La simplicité d'interprétation: le modèle obtenu est un modèle linéaire, c'est-à-dire qu'on obtient des coefficients associés à chaque variable explicative qui permettent de comprendre l'impact de chaque variable sur le choix (entre 0 et 1).
Regression Logistique Python Example
Nous devons tester le classificateur créé ci-dessus avant de le mettre en production. Si les tests révèlent que le modèle ne répond pas à la précision souhaitée, nous devrons reprendre le processus ci-dessus, sélectionner un autre ensemble de fonctionnalités (champs de données), reconstruire le modèle et le tester. Ce sera une étape itérative jusqu'à ce que le classificateur réponde à votre exigence de précision souhaitée. Alors testons notre classificateur. Prédire les données de test
Pour tester le classifieur, nous utilisons les données de test générées à l'étape précédente. Regression logistique python 1. Nous appelons le predict méthode sur l'objet créé et passez la X tableau des données de test comme indiqué dans la commande suivante -
In [24]: predicted_y = edict(X_test)
Cela génère un tableau unidimensionnel pour l'ensemble de données d'apprentissage complet donnant la prédiction pour chaque ligne du tableau X. Vous pouvez examiner ce tableau en utilisant la commande suivante -
In [25]: predicted_y
Ce qui suit est la sortie lors de l'exécution des deux commandes ci-dessus -
Out[25]: array([0, 0, 0,..., 0, 0, 0])
Le résultat indique que les trois premier et dernier clients ne sont pas les candidats potentiels pour le Term Deposit.
Regression Logistique Python 1
Une régression logistique serait capable de départager les deux classes. Entrainement d'un modèle de régression logistique
Scikit Learn offre une classe d'implémentation de la régression Logistique. On instanciera cette classe pour entraîner un modèle prédictif. Regression logistique python example. from near_model import LogisticRegression # import de la classe
model = LogisticRegression(C=1e20) # construction d'un objet de Régression logistique
(X, y) # Entrainement du modèle
L'instruction (X, Y) permet d'entraîner le modèle. Prédire de la classe de nouvelles fleurs d'IRIS
Maintenant qu'on a entraîné notre algorithme de régression logistique, on va l'utiliser pour prédire la classe de fleurs d'IRIS qui ne figuraient pas dans le jeu d'entrainement. Pour rappel, on a utilisé que les variables explicatives " Sepal Length " et " Sepal Width " pour entrainer notre jeu de données. Ainsi, nous allons fournir des valeurs pour ces deux variables et on demandera au modèle prédictif de nous indiquer la classe de la fleur. Iries_To_Predict = [
[5.
4, random_state=1)
Créez maintenant un objet de régression logistique comme suit -
digreg = linear_model. LogisticRegression()
Maintenant, nous devons entraîner le modèle en utilisant les ensembles d'apprentissage comme suit -
(X_train, y_train)
Ensuite, faites les prédictions sur l'ensemble de test comme suit -
y_pred = edict(X_test)
Imprimez ensuite la précision du modèle comme suit -
print("Accuracy of Logistic Regression model is:",
curacy_score(y_test, y_pred)*100)
Production
Accuracy of Logistic Regression model is: 95. 6884561891516
À partir de la sortie ci-dessus, nous pouvons voir que la précision de notre modèle est d'environ 96%.
Mais ce qui m'a le plus apporté encore, c'est l'approche et la posture vraiment très inspirante de Rodéric. Un grand merci pour ces 4 jours de partage
Session en distanciel d'avril 2021. Je suis ravie d'avoir suivi cette formation. Coach certifiée, j'éprouvais le désir de me former spécifiquement au coaching d'équipe et je ne suis pas déçue! Passionné et très pédagogue, Rodéric Maubras partage sa pratique et nous met en confiance durant ces 4 jours de formation qui passent trop vite! Le travail en sous-groupe nous fait expérimenter l'ensemble du processus et on ressort de cette formation confiant dans notre capacité à animer un coaching d'équipe. Je recommande cette formation les yeux fermés! Coaching d'équipe - l'emergence des talents pour réussir vos objectifs. 4 journées de formation complètes et denses en matière de méthodologie d'intervention, d'outils, de modèles, d'exercices pratiques et d'échange. La qualité de l'animation et la manière dont Rodéric partage sa passion pour « l'équipe » et sur sa pratique nous invite à une réflexion sur l'approche, la posture, les processus… Je recommande vivement cette formation.
L Équipe Coaching Jobs
»
Caroline & Christian
Coaching Ways Executive s'appuie sur le réseau Coaching Ways:
0 coachs formateurs ou partenaires partout en France et à l'international 0 participants passés par Coaching Ways 0 jours de formation dispensés
Caroline Pinguet Coach Professionnelle de dirigeants et de managers depuis 2008, certifiée PCC par ICF,
Maitre Praticien PNL et Coach Appreciative Inquiries,
Coach et Formateur certifié Process Communication,
Coach de dirigeants, managers, Codir et d'équipe
A exercé au CEPI MANAGEMENT
Ancienne cadre dirigeante Unilever Europe. Profil LinkedIn
Christian Legrand Coach professionnel de dirigeants et codir depuis 2008 certifié PCC par ICF,
Psychanalyste, ancien formateur et directeur de l'EEPA (Ecole Européenne des Philosophies et Psychothérapies Appliquées),
Formateur, coach de dirigeants et d'équipes commerciales,
Ancien Business Developper sur le marché des centrales électriques pour Siemens. Mario Rastelli Mario Rastelli est notre expert sur la dynamique de la gouvernance autodynamique et de la systémie des entreprises.
L Équipe Coaching Academy
Le travail de la ceinture abdominale est très important en musculation. Retrouvez en vidéo trois exercices faciles de gainage pour les débutants. Vous souhaitez renforcer votre ceinture abdominale mais vous ne savez pas comment vous y prendre? Le gainage est le travail de base pour y arriver. Voici un tuto vidéo pour vous aider avec trois exercices faciles de musculation. En suivant les conseils du coach, vous allez pouvoir vous muscler grâce au gainage en position de pompes, au gainage en planche sur les coudes et au gainage de côté. L équipe coaching jobs. À réaliser à la maison ou en salle de sport! publié le 18 mars 2022 à 11h25 mis à jour le 18 mars 2022 à 11h25
Depuis 2009, le Dr Raphaël Perez accompagne des personnes dans une démarche de santé naturelle. Pleine santé Dr Perez a été créée en 2017 pour aider plus de personnes à bénéficier de sa méthode en français, en anglais et en espagnol et pour former de futurs professionnels de santé naturelle. L'équipe Pleine santé
Consultation en français
santé naturelle, jeûne – détox – revitalisation, gestion et libération des émotions
Aime: la nature, les animaux, l'athlétisme et les sports de glisse, Jean Jacques Goldman, Kaamelott et les Simpson. N'aime pas: l'hypocrisie, le politiquement correct et se faire réveiller en pleine nuit (même par ses enfants qu'il aime). L équipe coaching d'entreprise. Signe(s) particulier(s): est passionné, plein abnégation, inspirant et a les pieds plats. Sa devise: le hasard n'existe pas. La vie est une succession d'événements cohérents, que nous ne comprenons pas toujours et qui nous donnent l'opportunité de grandir. Consultation en français et en anglais
santé naturelle, jeûne – détox – revitalisation
Aime: La mer, les arbres, Les levés et couchés du soleil.