Utforska logistisk regressions koefficienter
Nu ska du utforska koefficienterna i den logistiska regressionen för att förstå vad som driver churn upp eller ned. I den här övningen extraherar du koefficienterna från din tränade modell och beräknar deras exponent för att göra dem lättare att tolka.
Den tränade logistiska regressionsinstansen är inläst som logreg och de skalade särdragen är inlästa som en pandas DataFrame med namnet train_X. Biblioteken numpy och pandas är inlästa som np respektive pd.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Kombinera särdragsnamnen och koefficienterna i en
pandasDataFrame. - Beräkna exponenten för koefficienterna i den logistiska regressionen.
- Ta bort koefficienter som är lika med noll och skriv ut dem sorterade efter exponentkoefficienten.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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=['___']))