Coëfficiënten vs. permutation importance
Nu ga je de patronen die zijn gevonden met permutation importance vergelijken met de modelcoëfficiënten van een logistische regressie die is getraind op de heart disease-gegevensset. Een helperfunctie plot_importances() wordt aan het einde van het script aangeroepen om de importances in dezelfde plot weer te geven.
X met de features en y met de labels, en het logistische regressiemodel model zijn al voor je ingeladen. matplotlib.pyplot is geïmporteerd als plt.
Deze oefening maakt deel uit van de cursus
Explainable AI in Python
Oefeninstructies
- Bereken de coëfficiënten van het logistische regressiemodel
model. - Bereken de permutation importance met 20 herhalingen met
random_stateop 1. - Bereken de gemiddelde permutation importance over alle herhalingen.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
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)