Výpočet vlivu příznaků pomocí lineární regrese

Jako datový analytik v pojišťovně máš za úkol sestavit a vysvětlit model lineární regrese, který odhaduje výši pojistného na základě příznaků, jako jsou věk, BMI a kuřácký status. Analýzou koeficientů modelu zjistíš, jaký vliv má každý příznak na výsledné předpovědi.

matplotlib.pyplot je naimportován jako plt spolu s MinMaxScaler. X_train a y_train jsou předem načtené.

Toto cvičení je součástí kurzu

Explainable AI v Pythonu

Zobrazit kurz

Pokyny k cvičení

Normalizuj trénovací data X_train.
Natrénuj model lineární regrese model na standardizovaných trénovacích datech.
Extrahuj coefficients z modelu.
Vykresli coefficients pro zadané feature_names.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Standardize the training data
scaler = MinMaxScaler()
X_train_scaled = ____
model = LinearRegression()

# Fit the model
____

# Derive coefficients
coefficients = ____
feature_names = X_train.columns

# Plot coefficients
plt.bar(____, ____)
plt.show()

Upravit a spustit kód