Extrahera en parameter från logistisk regression
Nu ska du öva på att extrahera en viktig parameter från en logistisk regressionsmodell. Logistisk regression har även några andra parametrar som du inte går igenom här, men du kan läsa mer om dem i dokumentationen på scikit-learn.org för modulen LogisticRegression() under 'Attributes'.
Den här parametern är viktig för att förstå riktningen och storleken på variablernas effekt på målvariabeln.
I den här övningen extraherar du koefficienterparametern (som finns i attributet coef_), kombinerar den med de ursprungliga kolumnnamnen och undersöker vilka variabler som hade störst positiv effekt på målvariabeln.
Du har tillgång till:
- Ett logistiskt regressionsmodellobjekt med namnet
log_reg_clf - DataFramen
X_train
sklearn och pandas har redan importerats åt dig.
Den här övningen är en del av kursen
Hyperparameterjustering i Python
Övningsinstruktioner
- Skapa en lista med de ursprungliga kolumnnamnen som används i tränings-DataFramen.
- Extrahera koefficienterna från den logistiska regressionsestimatorn.
- Skapa en DataFrame med koefficienter och variabelnamn och visa den.
- Skriv ut de 3 'positiva' variabler som har störst koefficienter.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a list of original variable names from the training DataFrame
original_variables = ____
# Extract the coefficients of the logistic regression estimator
model_coefficients = ____.____[____]
# Create a dataframe of the variables and coefficients & print it out
coefficient_df = pd.DataFrame({"Variable" : ____, "Coefficient": ____})
print(coefficient_df)
# Print out the top 3 positive variables
top_three_df = coefficient_df.sort_values(by=____, axis=0, ascending=____)[0:____]
print(top_three_df)