Koeficienty vs. permutační důležitost
Teď porovnáš vzory identifikované pomocí permutační důležitosti s koeficienty modelu z logistické regrese natrénované na datasetu srdečních onemocnění. Na konci skriptu je zavolána pomocná funkce plot_importances(), která vykreslí obě důležitosti do jednoho grafu.
Proměnné X s příznaky a y s popisky a logistická regrese model jsou pro tebe předem načteny. matplotlib.pyplot je importován jako plt.
Toto cvičení je součástí kurzu
Explainable AI v Pythonu
Pokyny k cvičení
- Vypočítej koeficienty logistické regrese
model. - Vypočítej permutační důležitost s 20 opakováními a hodnotou
random_statenastavenou na 1. - Vypočítej průměrnou permutační důležitost přes všechna opakování.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from sklearn.inspection import permutation_importance
# Extract and store model coefficients
coefficients = ____
# Compute permutation importance on the test set
perm_importance = ____
# Compute the average permutation importance
avg_perm_importance = ____
plot_importances(coefficients, avg_perm_importance)