Logistic-Regression-Koeffizienten untersuchen
Jetzt untersuchst du die Koeffizienten der Logistic Regression, um zu verstehen, was den Churn nach oben oder unten treibt. In dieser Übung extrahierst du die Koeffizienten der Logistic Regression aus deinem angepassten Modell und berechnest deren Exponent, damit sie leichter zu interpretieren sind.
Die angepasste Logistic-Regression-Instanz ist als logreg geladen und die skalierten Merkmale sind als pandas-DataFrame train_X geladen. Die Bibliotheken numpy und pandas sind als np bzw. pd geladen.
Diese Übung ist Teil des Kurses
Machine Learning für Marketing mit Python
Anleitung zur Übung
- Kombiniere die Feature-Namen und die Koeffizienten in einem
pandas-DataFrame. - Berechne den Exponenten der Logistic-Regression-Koeffizienten.
- Entferne die Koeffizienten, die gleich null sind, und gib sie nach dem Exponentenkoeffizienten sortiert aus.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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=['___']))