ロジスティック回帰で予測する（Python Sci Kit Learn）

Question

logistic regressionには比較的新しいです。これはPythonでSciKit learnを使用しています。いくつかの話題を読み、いくつかのデモを見ると、私は自分自身で潜水することに決めました。

基本的に、いくつかの機能に基づいて、顧客のコンバージョン率を予測しようとしています。その結果は、アクティブ（1）またはアクティブではありません（0）です。私はKNNとロジスティック回帰を試しました。 KNN平均精度は0.893であり、ロジスティック回帰0.994となります。後者はとても高いようですが、現実的/可能なのでしょうか？

とにかく私のモデルが確かに非常に正確だとしたら、同じフィーチャ欄を持つ新しいデータセットをインポートして、その変換を予測します（今月終了）。上記の場合、精度スコアを得るためにcross_val_scoreを使用しました。

新しいセットをインポートする必要がありますか、何とか新しいセットをこのモデルに適合させる必要があります。 （もう一度練習しないで、今すぐ使用したいだけです）

私はどのように進めることができますか教えてください。追加情報が必要な場合は、その点についてコメントしてください。

ありがとうございます！

Answer 1

統計的な質問について：もちろん、あなたのデータにノイズがほとんどないか、コメントに記載されているシナリオクロックスレーブが発生する可能性があります。分類器の輸入については

、あなたはpickleモジュールのバイナリとして保存した後、ちょうどあなたがそれを必要なときにそれをロードして、新しいデータ

import pickle 

#Do the classification and name the fitted object clf 
with open('clf.pickle', 'wb') as file : 
    pickle.dump(clf,file,pickle.HIGHEST_PROTOCOL) 

に clf.predict()メソッドを使用します（それを pickleことができ

そして、あなたはそれを「ピックル]の横

import pickle 

with open('clf.pickle', 'rb') as file : 
    clf =pickle.load(file) 

# Now predict on the new dataframe df as 
pred = clf.predict(df.values) 

Answer 2

をロードすることができますし、後で、 'JOBLIB' を使用することもできる。

## 
from sklearn.linear_model import LogisticRegression 
from sklearn.externals import joblib 

はすでに

model = LogisticRegression() 
model.fit(X, Y) 

は、ディスクからのモデルは

loaded_model = joblib.load(filename) 
result = loaded_model.score(X_test, Y_test)