Coefficienti vs. permutation importance
Ora confronterai gli schemi individuati dalla permutation importance con i coefficienti del modello di una regressione logistica addestrata sul dataset delle malattie cardiache. Una funzione di supporto plot_importances() viene chiamata alla fine dello script per tracciare le importanze nello stesso grafico.
X, che contiene le feature, y, che contiene le etichette, e il modello di regressione logistica model sono già stati precaricati per te. matplotlib.pyplot è stato importato come plt.
Questo esercizio fa parte del corso
Explainable AI in Python
Istruzioni dell'esercizio
- Calcola i coefficienti del
modeldi regressione logistica. - Calcola la permutation importance con 20 ripetizioni usando
random_statepari a 1. - Calcola la media della permutation importance su tutte le ripetizioni.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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)