A regressão logística estima a probabilidade de um resultado binário a partir de variáveis ponderadas. Apesar do nome, ela é um classificador. Nestes registros fictícios de associados, a classe 1 significa cancelamento e a classe 0 significa renovação. O método predict devolve rótulos, enquanto predict_proba devolve uma coluna por classe, na ordem de classes_ do estimador.
Um rótulo é o resultado de aplicar uma regra de decisão a uma probabilidade. Manter essas duas saídas separadas permite mudar a regra depois sem reajustar os coeficientes. Treine apenas com as linhas de treinamento e avalie depois com o conjunto reservado. A regressão logística também precisa de iterações suficientes para convergir; as tarefas indicam um limite explícito. Uma pontuação alta obtida ajustando com os rótulos de teste continua sendo vazamento, e um estimador fictício de classe majoritária não cumpre uma tarefa que pede que você aprenda com as entradas.
O estimador ajustado aprende com a partição de treino. Prever as entradas reservadas gera uma saída para cada observação de teste, pronta para ser avaliada.