Prozkoumání koeficientů logistické regrese
Teď se podíváš na koeficienty logistické regrese, abys pochopil/a, co ovlivňuje míru odchodu zákazníků. V tomto cvičení extrahuješ koeficienty logistické regrese z natrénovaného modelu a vypočítáš jejich exponenty, aby byly lépe interpretovatelné.
Natrénovaná instance logistické regrese je načtena jako logreg a škálované příznaky jsou načteny jako pandas DataFrame s názvem train_X. Knihovny numpy a pandas jsou načteny jako np a pd.
Toto cvičení je součástí kurzu
Machine Learning for Marketing in Python
Pokyny k cvičení
- Zkombinuj názvy příznaků a koeficienty do
pandasDataFrame. - Vypočítej exponenty koeficientů logistické regrese.
- Odstraň koeficienty rovnající se nule a vypiš je seřazené podle exponentu koeficientu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Combine feature names and coefficients into pandas DataFrame
feature_names = pd.DataFrame(___.columns, columns = ['Feature'])
log_coef = pd.DataFrame(np.transpose(logreg.coef_), columns = ['Coefficient'])
coefficients = pd.concat([feature_names, ___], axis = 1)
# Calculate exponent of the logistic regression coefficients
coefficients['Exp_Coefficient'] = np.___(coefficients['Coefficient'])
# Remove coefficients that are equal to zero
coefficients = coefficients[coefficients['Coefficient']!=___]
# Print the values sorted by the exponent coefficient
print(coefficients.sort_values(by=['___']))