De impact van features berekenen met logistic regression
Je werkt nog steeds bij het verzekeringsbedrijf en hebt een voorspellend model gebouwd om te bepalen of iemand rookt of niet. Nu moet je het model analyseren om de relevante factoren te achterhalen die de rookstatus beïnvloeden. Zo kan het bedrijf risico’s nauwkeuriger inschatten en polissen beter afstemmen.
matplotlib.pyplot is geïmporteerd als plt. X_train en y_train zijn al voor je geladen.
Deze oefening maakt deel uit van de cursus
Explainable AI in Python
Oefeninstructies
- Haal de
coefficientsuit het model. - Plot de
coefficientsvoor de gegevenfeature_names.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
scaler = MinMaxScaler()
X_train_scaled = scaler.fit_transform(X_train)
model = LogisticRegression()
model.fit(X_train_scaled, y_train)
# Derive coefficients
coefficients = ____
feature_names = X_train.columns
# Plot coefficients
____
plt.show()