Модуль: Логистическая регрессия

Одно разбиение на train/test может быть не очень репрезентативным — результат зависит от случайности разбиения. Кросс-валидация решает эту проблему:

Данные делятся на k частей (обычно 5). Модель обучается k раз, каждый раз используя разные части для обучения и теста. Итоговая оценка — среднее по всем k запускам.

Функция cross_val_score делает это автоматически.
 

Задание

Создайте второй ноутбук. 

1. Подготавьте данные (весь датасет, без разделения на train/test)
2. Создайте модель LogisticRegression с параметрами: max_iter=1000, random_state=42
3. Примените кросс-валидацию с 5 фолдами, используя метрику 'roc_auc'
4. Выведите среднее значение ROC AUC по всем фолдам с округлением до 4 знаков
5. Выведите стандартное отклонение ROC AUC с округлением до 4 знаков

1. Каково среднее значение ROC AUC по кросс-валидации?
2. Каково стандартное отклонение ROC AUC?

Ваш ответ Для проверки решения задачи необходимо зарегистрироваться или авторизоваться!