Obliczanie wpływu cech za pomocą regresji logistycznej

Kontynuując pracę w firmie ubezpieczeniowej, zbudowałeś model predykcyjny do określania, czy dana osoba jest palaczem, czy nie. Teraz musisz przeanalizować model, aby ustalić czynniki wpływające na status palenia – pomoże to firmie dokładniej oceniać ryzyko i odpowiednio dostosowywać polisy ubezpieczeniowe.

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

To ćwiczenie jest częścią kursu

Wyjaśnialne AI w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Wyodrębnij coefficients (współczynniki) z modelu.
Narysuj wykres coefficients dla podanych feature_names.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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()

Edytuj i uruchom kod