Współczynniki a ważność permutacyjna
Teraz porównasz wzorce wykryte przez ważność permutacyjną ze współczynnikami modelu regresji logistycznej wytrenowanego na zbiorze danych dotyczących chorób serca. Na końcu skryptu wywoływana jest funkcja pomocnicza plot_importances(), która przedstawia obie miary ważności na jednym wykresie.
Zmienna X zawierająca cechy, zmienna y zawierająca etykiety oraz model regresji logistycznej model zostały wcześniej załadowane. Biblioteka matplotlib.pyplot jest dostępna jako plt.
To ćwiczenie jest częścią kursu
Wyjaśnialne AI w Pythonie
Instrukcje do ćwiczenia
- Oblicz współczynniki modelu regresji logistycznej
model. - Oblicz ważność permutacyjną, wykonując 20 powtórzeń z parametrem
random_staterównym 1. - Oblicz średnią ważność permutacyjną dla wszystkich powtórzeń.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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)