เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณผลกระทบของฟีเจอร์ด้วย Linear Regression

ในฐานะนักวิทยาศาสตร์ข้อมูลของบริษัทประกันภัย งานของคุณคือสร้างและอธิบายโมเดล linear regression ที่ประมาณค่าเบี้ยประกันจากฟีเจอร์ต่าง ๆ เช่น อายุ ค่า BMI และสถานะการสูบบุหรี่ โดยวิเคราะห์ค่าสัมประสิทธิ์ (coefficients) ของโมเดลเพื่อดูว่าแต่ละฟีเจอร์ส่งผลต่อการพยากรณ์อย่างไร

matplotlib.pyplot ถูก import เป็น plt พร้อมกับ MinMaxScaler และโหลด X_train กับ y_train ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Explainable AI ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Normalize ข้อมูล training X_train
  • Fit โมเดล linear regression model กับข้อมูล training ที่ผ่านการ standardize แล้ว
  • ดึงค่า coefficients จากโมเดล
  • Plot coefficients สำหรับ feature_names ที่กำหนด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Standardize the training data
scaler = MinMaxScaler()
X_train_scaled = ____
model = LinearRegression()

# Fit the model
____

# Derive coefficients
coefficients = ____
feature_names = X_train.columns

# Plot coefficients
plt.bar(____, ____)
plt.show()
แก้ไขและรันโค้ด