列の重要度と延滞（デフォルト）予測

多くの列グループを含む複数の訓練データを使う場合、どの列が重要で、どの列が重要でないかを把握しておくことが大切です。loan_status に影響しないのに列を維持し続けるのは、コストや時間がかかることがあります。

この演習の X データは次のコードで作成されています。

X = cr_loan_prep[['person_income','loan_int_rate',
                  'loan_percent_income','loan_amnt',
                  'person_home_ownership_MORTGAGE','loan_grade_F']]

このデータに対して XGBClassifier() モデルを学習し、列の重要度を確認して、各列が loan_status の予測にどの程度効いているかを確かめてください。

cr_loan_pret データセットと X_train、y_train はワークスペースに読み込まれています。

この演習はコースの一部です

Pythonで学ぶクレジットリスクモデリング

コースを見る

演習の手順

X_train と y_train の訓練データで XGBClassifier() モデルを作成・学習し、clf_gbt として保存します。
.get_booster() と .get_score() を使って、clf_gbt の列に対する重要度を表示します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Create and train the model on the training data
____ = xgb.____().____(____,np.ravel(____))

# Print the column importances from the model
print(clf_gbt.____().____(importance_type = 'weight'))

コードを編集して実行