Анализ коэффициентов логистической регрессии
Теперь вы изучите коэффициенты логистической регрессии, чтобы понять, какие факторы влияют на рост или снижение оттока. В этом упражнении вы извлечёте коэффициенты логистической регрессии из обученной модели и вычислите их экспоненту для более удобной интерпретации.
Обученный экземпляр логистической регрессии загружен как logreg, а масштабированные признаки — в виде pandas DataFrame с именем train_X. Библиотеки numpy и pandas загружены как np и pd соответственно.
Это упражнение является частью курса
Машинное обучение для маркетинга на Python
Инструкции к упражнению
- Объедините названия признаков и коэффициенты в
pandasDataFrame. - Вычислите экспоненту коэффициентов логистической регрессии.
- Удалите коэффициенты, равные нулю, и выведите их, отсортировав по значению экспоненциального коэффициента.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Combine feature names and coefficients into pandas DataFrame
feature_names = pd.DataFrame(___.columns, columns = ['Feature'])
log_coef = pd.DataFrame(np.transpose(logreg.coef_), columns = ['Coefficient'])
coefficients = pd.concat([feature_names, ___], axis = 1)
# Calculate exponent of the logistic regression coefficients
coefficients['Exp_Coefficient'] = np.___(coefficients['Coefficient'])
# Remove coefficients that are equal to zero
coefficients = coefficients[coefficients['Coefficient']!=___]
# Print the values sorted by the exponent coefficient
print(coefficients.sort_values(by=['___']))