Изменение коэффициентов

Теперь, когда вы познакомились с коэффициентами модели LogisticRegression(), рассмотрим их подробнее — и посмотрим, как они меняются в зависимости от того, какие столбцы используются для обучения. Будут ли коэффициенты столбцов отличаться от модели к модели?

Обучите две разные модели LogisticRegression() на разных наборах столбцов и сравните результаты. Также подумайте, как выбор признаков может повлиять на оценку вероятности дефолта.

Набор данных cr_loan_clean уже загружен в рабочую среду вместе с обучающими выборками X1_train, X2_train и y_train.

Это упражнение является частью курса

Моделирование кредитного риска на Python

Посмотреть курс

Инструкции к упражнению

Выведите первые пять строк каждой из обучающих выборок X.
Обучите модель логистической регрессии под названием clf_logistic1 на обучающей выборке X1.
Обучите модель логистической регрессии под названием clf_logistic2 на обучающей выборке X2.
Выведите коэффициенты обеих моделей логистической регрессии.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Print the first five rows of each training set
print(____.____())
print(____.____())

# Create and train a model on the first training data
____ = ____(solver='lbfgs').____(____, np.ravel(y_train))

# Create and train a model on the second training data
____ = ____(solver='lbfgs').____(____, np.ravel(y_train))

# Print the coefficients of each model
print(____.____)
print(____.____)

Редактировать и запускать код