Visualisera kolumnviktighet
När modellen tränas på olika uppsättningar av kolumner förändras prestandan – men ändras viktigheten för samma kolumn beroende på vilken grupp den ingår i?
Datamängderna X2 och X3 har skapats med följande kod:
X2 = cr_loan_prep[['loan_int_rate','person_emp_length']]
X3 = cr_loan_prep[['person_income','loan_int_rate','loan_percent_income']]
Att förstå hur olika kolumner används för att nå en förutsägelse av loan_status är mycket viktigt för modellens tolkbarhet.
Datamängderna cr_loan_prep, X2_train, X2_test, X3_train, X3_test, y_train, y_test är inlästa i arbetsutrymmet.
Den här övningen är en del av kursen
Kreditriskmodellering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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.____()