สำรวจค่าสัมประสิทธิ์ของ Logistic Regression
ในแบบฝึกหัดนี้ เราจะสำรวจค่าสัมประสิทธิ์ของ logistic regression เพื่อทำความเข้าใจว่าปัจจัยใดส่งผลให้อัตราการเลิกใช้บริการเพิ่มขึ้นหรือลดลง โดยจะดึงค่าสัมประสิทธิ์จากโมเดลที่ฝึกแล้ว และคำนวณค่า exponent เพื่อให้ตีความได้ง่ายขึ้น
โมเดล logistic regression ที่ฝึกแล้วถูกโหลดไว้ในตัวแปร logreg และ features ที่ผ่านการปรับสเกลแล้วถูกโหลดเป็น DataFrame ของ pandas ชื่อ train_X โดยไลบรารี numpy และ pandas ถูกนำเข้าในชื่อ np และ pd ตามลำดับ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับการตลาดด้วย Python
คำแนะนำการฝึกหัด
- รวมชื่อ features และค่าสัมประสิทธิ์เข้าด้วยกันเป็น DataFrame ของ
pandas - คำนวณค่า exponent ของสัมประสิทธิ์จาก logistic regression
- กรองค่าสัมประสิทธิ์ที่เท่ากับศูนย์ออก จากนั้นแสดงผลโดยเรียงตามค่า exponent ของสัมประสิทธิ์
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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=['___']))