Coeficientes frente a importancia de la permutación
Ahora compararás los patrones identificados por la importancia de la permutación con los coeficientes del modelo de una regresión logística entrenada con el conjunto de datos de cardiovasculopatías. Al final del script se llama a una función auxiliar plot_importances() para representar importancias en el mismo gráfico.
X, que contiene las características, y, que contiene las etiquetas, y la regresión logística model se han cargado previamente para ti. matplotlib.pyplot se ha importado como plt.
Este ejercicio forma parte del curso
IA explicable en Python
Instrucciones de ejercicio
- Calcula los coeficientes de la regresión logística
model. - Calcula la importancia de la permutación con 20 repeticiones usando un
random_statede 1. - Calcula la importancia de la permutación media en todas las repeticiones.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
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)