Obliczanie wpływu cech za pomocą regresji liniowej

Jako data scientist w firmie ubezpieczeniowej masz za zadanie zbudować i wyjaśnić model regresji liniowej, który szacuje koszty ubezpieczenia na podstawie cech takich jak wiek, BMI i status palacza. Przeanalizujesz współczynniki modelu, aby określić wpływ każdej cechy na przewidywania.

matplotlib.pyplot został zaimportowany jako plt wraz z MinMaxScaler. X_train i y_train są już wczytane.

To ćwiczenie jest częścią kursu

Wyjaśnialne AI w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Znormalizuj dane treningowe X_train.
Dopasuj model regresji liniowej model do znormalizowanych danych treningowych.
Wyodrębnij coefficients z modelu.
Narysuj wykres coefficients dla podanych feature_names.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Standardize the training data
scaler = MinMaxScaler()
X_train_scaled = ____
model = LinearRegression()

# Fit the model
____

# Derive coefficients
coefficients = ____
feature_names = X_train.columns

# Plot coefficients
plt.bar(____, ____)
plt.show()

Edytuj i uruchom kod