열 중요도 시각화
모델을 서로 다른 열 조합으로 학습시키면 성능이 달라집니다. 그렇다면 같은 열이라도 어떤 그룹에 속하느냐에 따라 중요도가 달라질까요?
데이터 세트 X2와 X3는 다음 코드로 생성되었습니다:
X2 = cr_loan_prep[['loan_int_rate','person_emp_length']]
X3 = cr_loan_prep[['person_income','loan_int_rate','loan_percent_income']]
서로 다른 열이 loan_status 예측에 어떻게 기여하는지 이해하는 것은 모델 해석 가능성 측면에서 매우 중요합니다.
cr_loan_prep, X2_train, X2_test, X3_train, X3_test, y_train, y_test 데이터 세트가 작업 공간에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 신용 리스크 모델링
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Train a model on the X data with 2 columns
____ = xgb.____().____(____,np.ravel(____))
# Plot the column importance for this model
xgb.____(____, importance_type = 'weight')
plt.____()