Koeffizienten vs. Permutationswichtigkeit
Nun vergleichst du die Muster, die durch die Permutationswichtigkeit identifiziert wurden, mit den Modellkoeffizienten einer logistischen Regression, die mit dem Datensatz zu Herzkrankheiten trainiert wurden. Am Ende des Skripts wird die Hilfsfunktion plot_importances() aufgerufen, um die Wichtigkeiten im selben Diagramm darzustellen.
X mit den Merkmalen und y mit den Labels sowie das Modell (model) für die logistische Regression wurden bereits geladen. matplotlib.pyplot wurde als plt importiert.
Diese Übung ist Teil des Kurses
Erklärbare KI in Python
Anleitung zur Übung
- Berechne die Koeffizienten des logistischen Regressionsmodells.
- Berechne die Permutationswichtigkeit mit 20 Wiederholungen und
random_stategleich 1. - Berechne die durchschnittliche Permutationswichtigkeit über alle Wiederholungen hinweg.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
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)