Extraire un paramètre de la régression logistique
Vous allez maintenant vous exercer à extraire un paramètre important du modèle de régression logistique. La régression logistique comporte quelques autres paramètres que vous n'explorerez pas ici, mais vous pouvez les consulter dans la documentation de scikit-learn.org pour le module LogisticRegression() sous « Attributes ».
Ce paramètre est essentiel pour comprendre la direction et l'ampleur de l'effet des variables sur la cible.
Dans cet exercice, nous allons extraire le paramètre des coefficients (dans l'attribut coef_), l'associer aux noms de colonnes d'origine et repérer quelles variables ont eu l'effet positif le plus marqué sur la variable cible.
Vous avez à votre disposition :
- Un objet de modèle de régression logistique nommé
log_reg_clf - Le DataFrame
X_train
sklearn et pandas ont été importés pour vous.
Cette activité fait partie du cours
Ajustement des hyperparamètres en Python
Instructions de l’exercice
- Créez une liste des noms de colonnes d'origine utilisés dans le DataFrame d'entraînement.
- Extrayez les coefficients de l'estimateur de régression logistique.
- Créez un DataFrame des coefficients et des noms de variables, puis affichez-le.
- Affichez les 3 principales variables « positives » en fonction de la valeur du coefficient.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create a list of original variable names from the training DataFrame
original_variables = ____
# Extract the coefficients of the logistic regression estimator
model_coefficients = ____.____[____]
# Create a dataframe of the variables and coefficients & print it out
coefficient_df = pd.DataFrame({"Variable" : ____, "Coefficient": ____})
print(coefficient_df)
# Print out the top 3 positive variables
top_three_df = coefficient_df.sort_values(by=____, axis=0, ascending=____)[0:____]
print(top_three_df)