Wizualizacja ważności kolumn
Kiedy model jest trenowany na różnych zestawach kolumn, jego wydajność się zmienia – ale czy ważność tej samej kolumny zależy od tego, w jakiej grupie się znajduje?
Zbiory danych X2 i X3 zostały utworzone za pomocą następującego kodu:
X2 = cr_loan_prep[['loan_int_rate','person_emp_length']]
X3 = cr_loan_prep[['person_income','loan_int_rate','loan_percent_income']]
Zrozumienie, jak poszczególne kolumny wpływają na prognozowanie loan_status, jest bardzo ważne dla interpretowalności modelu.
W środowisku pracy dostępne są zbiory danych: cr_loan_prep, X2_train, X2_test, X3_train, X3_test, y_train oraz y_test.
To ćwiczenie jest częścią kursu
Modelowanie ryzyka kredytowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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.____()