Vizualizarea importanței coloanelor
Când modelul este antrenat pe seturi diferite de coloane, performanța se schimbă – dar se modifică și importanța aceleiași coloane în funcție de grupul din care face parte?
Seturile de date X2 și X3 au fost create cu următorul cod:
X2 = cr_loan_prep[['loan_int_rate','person_emp_length']]
X3 = cr_loan_prep[['person_income','loan_int_rate','loan_percent_income']]
Înțelegerea modului în care diferite coloane contribuie la predicția loan_status este esențială pentru interpretabilitatea modelului.
Seturile de date cr_loan_prep, X2_train, X2_test, X3_train, X3_test, y_train, y_test sunt încărcate în spațiul de lucru.
Acest exercițiu face parte din cursul
Modelarea Riscului de Credit în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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.____()