CommencezCommencez gratuitement

Coefficients vs. importance par permutation

Vous allez maintenant comparer les tendances mises en évidence par l'importance par permutation aux coefficients du modèle issus d'une régression logistique entraînée sur l'ensemble de données sur les maladies cardiaques. Une fonction utilitaire plot_importances() est appelée à la fin du script pour tracer les importances sur le même graphique.

X, qui contient les caractéristiques, y, qui contient les étiquettes, ainsi que le modèle de régression logistique model ont été préchargés pour vous. matplotlib.pyplot a été importé sous le nom plt.

Cette activité fait partie du cours

Explainable AI en Python

Voir le cours

Instructions de l’exercice

  • Calculez les coefficients du modèle de régression logistique model.
  • Calculez l'importance par permutation avec 20 répétitions en utilisant un random_state de 1.
  • Calculez l'importance par permutation moyenne sur l'ensemble des répétitions.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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)
Modifier et exécuter le code