Training और Test सेट बनाना
आपने अभी-अभी अलग-अलग कॉलम्स पर LogisticRegression() मॉडल्स ट्रेन किए हैं.
आप जानते हैं कि डेटा को training और test सेट्स में अलग किया जाना चाहिए. test_train_split() का उपयोग एक साथ दोनों बनाने के लिए किया जाता है. Training सेट से मॉडल सीखा जाता है, जबकि test सेट से उसका मूल्यांकन होता है. अगर आप मॉडल का मूल्यांकन नहीं करते, तो नए loan डेटा पर उसका प्रदर्शन कैसा रहेगा, यह जानने का कोई तरीका नहीं है.
मॉडल के attribute intercept_ के अलावा, LogisticRegression() मॉडल्स में .coef_ attribute भी होता है. यह दिखाता है कि default की probability की भविष्यवाणी करने में हर training कॉलम कितना महत्वपूर्ण है.
वर्कस्पेस में डेटा सेट cr_loan_clean पहले से लोड है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में क्रेडिट रिस्क मॉडलिंग
अभ्यास निर्देश
- Interest rate, employment length, और income का उपयोग करके डेटा सेट
Xबनाएँ. Loan status का उपयोग करकेyसेट बनाएँ. train_test_split()का उपयोग करकेXऔरyसे training और test सेट्स बनाएँ.- एक
LogisticRegression()मॉडल बनाएँ और उसे ट्रेन करकेclf_logisticके रूप में स्टोर करें. - मॉडल के coefficients को
.coef_से प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create the X and y data sets
X = ____[[____,____,____]]
y = ____[[____]]
# Use test_train_split to create the training and test sets
X_train, X_test, y_train, y_test = ____(____, ____, test_size=.4, random_state=123)
# Create and fit the logistic regression model
____ = ____(solver='lbfgs').____(____, np.ravel(____))
# Print the models coefficients
print(____.coef_)