آموزش تست رگرسیون لجستیک در پایتون

در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش تست رگرسیون لجستیک در پایتون خواهیم پرداخت.

قبل از استفاده از طبقه بندی ساخته شده در بالا ، باید تست کنیم. اگر تست نشان داد که مدل از دقت مطلوبی برخوردار نیست، ما باید به روند بالا برگردیم، مجموعه دیگری از ویژگی ها (فیلدهای داده) را انتخاب کنیم، دوباره مدل را بسازیم و آن را تست کنیم. این یک مرحله تکراری خواهد بود تا زمانی که طبقه بندی کننده نیاز شما از دقت مورد نظر را برآورده کند. بنابراین اجازه دهید طبقه بندی خود را آزمایش کنیم.

برای تست طبقه بندی، از داده های آزمون تولید شده در مرحله اولیه استفاده می کنیم. ما روش پیش بینی را روی شی ایجاد شده فراخوانی می کنیم و همانطور که در دستور زیر نشان داده شده است ، آرایه X داده های آزمون را منتقل می کنیم –

In [24]: predicted_y = classifier.predict(X_test)

 

این یک آرایه تک بعدی برای کل مجموعه داده های آموزشی ایجاد می کند که برای هر ردیف در آرایه X پیش بینی می کند. با استفاده از دستور زیر می توانید این آرایه را بررسی کنید –

In [25]: predicted_y

 

در زیر خروجی حاصل از اجرای دو دستور بالا وجود دارد –

Out[25]: array([0, 0, 0, ..., 0, 0, 0])

 

خروجی نشان می دهد که سه مشتری اول و آخر کاندیداهای بالقوه سپرده مدت دار نیستند. برای مرتب سازی بر مشتریان بالقوه می توانید کل آرایه را بررسی کنید. برای این کار ، از قطعه کد Python زیر استفاده کنید –

In [26]: for x in range(len(predicted_y)):
   if (predicted_y[x] == 1):
      print(x, end="\t")

 

خروجی اجرای کد فوق در زیر نشان داده شده است –

خروجی، شاخص های تمام ردیف هایی را که کاندیدای احتمالی عضویت در TD هستند ، نشان می دهد. اکنون می توانید این خروجی را به تیم بازاریابی بانک بدهید که اطلاعات تماس هر مشتری را در ردیف انتخاب شده انتخاب می کند و کار خود را ادامه می دهد.

قبل از استفاده از این مدل ، باید صحت پیش بینی را تأیید کنیم.

برای آزمایش صحت مدل، از روش نمره گذاری در طبقه بندی مانند تصویر زیر استفاده کنید –

In [27]: print('Accuracy: {:.2f}'.format(classifier.score(X_test, Y_test)))

 

خروجی صفحه اجرای این دستور در زیر نشان داده شده است –

Accuracy: 0.90

 

این نشان می دهد که دقت مدل ما ۹۰٪ است که در اکثر برنامه ها بسیار خوب در نظر گرفته می شود. بنابراین ، تنظیم دیگری لازم نیست. اکنون مشتری ما آماده اجرای کمپین بعدی، دریافت لیست مشتریان بالقوه و تعقیب آنها برای گشودن TD با احتمال بالایی از موفقیت است.

لیست جلسات قبل آموزش رگرسیون لجستیک در پایتون

1.  آموزش رگرسیون لجستیک در پایتون
2. معرفی رگرسیون لجستیک در پایتون 
3. آموزش مطالعه موردی رگرسیون لجستیک در پایتون 
4. آموزش راه اندازی یک پروژه رگرسیون لجستیک در پایتون
5. آموزش دریافت داده ها رگرسیون لجستیک در پایتون 
6. آموزش تجدید ساختار داده ها رگرسیون لجستیک در پایتون 
7. آموزش آماده سازی داده ها رگرسیون لجستیک در پایتون
8. آموزش تقسیم داده ها رگرسیون لجستیک در پایتون
9. آموزش طبقه بندی کننده ساختمان رگرسیون لجستیک در پایتون 
10. آموزش تست رگرسیون لجستیک در پایتون
11. محدودیت های رگرسیون لجستیک در پایتون