เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้างชุดข้อมูลสำหรับการฝึกและการทดสอบ

ตอนนี้คุณได้ฝึกโมเดล LogisticRegression() บนคอลัมน์ต่าง ๆ แล้ว

ข้อมูลควรถูกแบ่งออกเป็นชุดฝึก (training set) และชุดทดสอบ (test set) โดยใช้ train_test_split() เพื่อสร้างทั้งสองชุดพร้อมกัน ชุดฝึกใช้สำหรับการสร้างการทำนาย ส่วนชุดทดสอบใช้สำหรับการประเมินผล หากไม่มีการประเมินโมเดล จะไม่มีทางรู้ได้เลยว่าโมเดลจะทำงานได้ดีเพียงใดกับข้อมูลสินเชื่อชุดใหม่

นอกจาก intercept_ ซึ่งเป็น attribute ของโมเดลแล้ว โมเดล LogisticRegression() ยังมี attribute ที่ชื่อว่า .coef_ ด้วย ค่านี้แสดงให้เห็นว่าแต่ละคอลัมน์ที่ใช้ฝึกมีความสำคัญเพียงใดในการทำนายความน่าจะเป็นของการผิดนัดชำระหนี้

ชุดข้อมูล cr_loan_clean ถูกโหลดไว้ใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างชุดข้อมูล X โดยใช้อัตราดอกเบี้ย ระยะเวลาการจ้างงาน และรายได้ จากนั้นสร้างชุด y โดยใช้สถานะสินเชื่อ
  • ใช้ train_test_split() เพื่อสร้างชุดฝึกและชุดทดสอบจาก X และ y
  • สร้างและฝึกโมเดล LogisticRegression() แล้วเก็บไว้ในตัวแปรชื่อ clf_logistic
  • แสดงค่าสัมประสิทธิ์ของโมเดลโดยใช้ .coef_

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create the X and y data sets
X = ____[[____,____,____]]
y = ____[[____]]

# Use test_train_split to create the training and test sets
X_train, X_test, y_train, y_test = ____(____, ____, test_size=.4, random_state=123)

# Create and fit the logistic regression model
____ = ____(solver='lbfgs').____(____, np.ravel(____))

# Print the models coefficients
print(____.coef_)
แก้ไขและรันโค้ด