Calcolare l'impatto delle feature con la regressione lineare
Come data scientist in una compagnia assicurativa, il tuo compito è costruire e spiegare un modello di regressione lineare che stima i costi assicurativi in base a feature come età, BMI e stato di fumatore, analizzando i coefficienti del modello per determinare l'impatto di ciascuna feature sulle previsioni.
matplotlib.pyplot è stato importato come plt insieme a MinMaxScaler. X_train e y_train sono già caricati per te.
Questo esercizio fa parte del corso
Explainable AI in Python
Istruzioni dell'esercizio
- Normalizza i dati di training
X_train. - Allena il
modeldi regressione lineare sui dati di training standardizzati. - Estrai i
coefficientsdal modello. - Traccia i
coefficientsper ifeature_namesforniti.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Standardize the training data
scaler = MinMaxScaler()
X_train_scaled = ____
model = LinearRegression()
# Fit the model
____
# Derive coefficients
coefficients = ____
feature_names = X_train.columns
# Plot coefficients
plt.bar(____, ____)
plt.show()