LoslegenKostenlos loslegen

Berechnung des Einflusses von Merkmalen mit linearer Regression

Als Data Scientist bei einem Versicherungsunternehmen ist es deine Aufgabe, ein lineares Regressionsmodell zu erstellen, das die Versicherungskosten anhand von Merkmalen wie Alter, BMI und Rauchgewohnheiten schätzt. Um die Prognosen des Modells zu erklären, analysierst du die Modellkoeffizienten, damit du den Einfluss der einzelnen Merkmale auf die Vorhersagen bestimmen kannst.

matplotlib.pyplot wurde als plt zusammen mit MinMaxScaler importiert. X_train und y_train sind bereits geladen.

Diese Übung ist Teil des Kurses

Erklärbare KI in Python

Kurs anzeigen

Anleitung zur Übung

  • Normalisiere die Trainingsdaten X_train.
  • Passe das lineare Regressionsmodell (model) an die standardisierten Trainingsdaten an.
  • Extrahiere die Koeffizienten (coefficients) aus dem Modell.
  • Erstelle ein Diagramm der Koeffizienten für die angegebenen Merkmalsnamen (feature_names).

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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()
Code bearbeiten und ausführen