多変量ロジスティック回帰
通常は、loan_int_rate だけでデフォルト確率を予測することはしません。予測には、手元にあるすべてのデータを活用したくなります。
そこで、cr_loan_clean データから特徴量（features）として別の列を使って、新しいモデルを学習してみましょう。このモデルは最初のモデルと異なるでしょうか？ そのためには、ロジスティック回帰の .intercept_ を確認すると簡単です。これは関数の y 切片であり、非デフォルトの対数オッズの全体水準を表します。
cr_loan_clean データは、以前のモデル clf_logistic_single とともに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
演習の手順
loan_int_rateとperson_emp_lengthを用いて新しいXデータセットを作成し、X_multiとして保存します。loan_statusだけを用いてyデータセットを作成します。- 新しい
Xデータに対してLogisticRegression()モデルを作成し、.fit()します。clf_logistic_multiとして保存します。 - モデルの
.intercept_の値を出力します
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 X data for the model
X_multi = ____[[____,____]]
# Create a set of y data for training
y = ____[[____]]
# Create and train a new logistic regression
clf_logistic_multi = ____(solver='lbfgs').____(____, np.ravel(____))
# Print the intercept of the model
print(____.____)