เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณผลกระทบของฟีเจอร์ด้วย Logistic Regression

ต่อจากงานที่บริษัทประกันภัย คุณได้สร้างโมเดลเชิงพยากรณ์เพื่อระบุว่าบุคคลหนึ่งเป็นผู้สูบบุหรี่หรือไม่ ขั้นตอนต่อไปคือการวิเคราะห์โมเดลเพื่อหาปัจจัยที่มีอิทธิพลต่อสถานะการสูบบุหรี่ ซึ่งจะช่วยให้บริษัทประเมินความเสี่ยงได้แม่นยำขึ้นและออกแบบกรมธรรม์ประกันภัยได้อย่างเหมาะสม

matplotlib.pyplot ถูก import ไว้แล้วในชื่อ plt และมีการโหลด X_train และ y_train ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Explainable AI ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ดึงค่า coefficients จากโมเดล
  • พล็อตกราฟ coefficients สำหรับ feature_names ที่กำหนด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

scaler = MinMaxScaler()
X_train_scaled = scaler.fit_transform(X_train)

model = LogisticRegression()
model.fit(X_train_scaled, y_train)

# Derive coefficients
coefficients = ____
feature_names = X_train.columns

# Plot coefficients
____
plt.show()
แก้ไขและรันโค้ด