Створення тренувальної та тестової вибірок

Ви щойно натренували моделі LogisticRegression() на різних стовпцях.

Ви знаєте, що дані слід розділити на тренувальну та тестову вибірки. Для одночасного створення обох використовується test_train_split(). Тренувальна вибірка використовується для навчання моделі, а тестова — для оцінювання. Без оцінювання моделі немає способу зрозуміти, наскільки добре вона працюватиме на нових даних про кредити.

Окрім intercept_, який є атрибутом моделі, моделі LogisticRegression() також мають атрибут .coef_. Він показує, наскільки важливим є кожен тренувальний стовпець для прогнозування ймовірності дефолту.

Набір даних cr_loan_clean уже завантажено в робочу область.

Ця вправа є частиною курсу

Моделювання кредитного ризику в Python

Переглянути курс

Інструкції до вправи

Створіть набір даних X, використовуючи процентну ставку, тривалість зайнятості та дохід. Створіть набір y, використовуючи статус кредиту.
Використайте train_test_split() для створення тренувальної та тестової вибірок з X і y.
Створіть і натренуйте модель LogisticRegression() та збережіть її як clf_logistic.
Виведіть коефіцієнти моделі за допомогою .coef_.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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_)

Редагувати та запускати код