Коефіцієнти vs. permutation importance
Тепер ви порівняєте закономірності, виявлені методом permutation importance, з коефіцієнтами моделі логістичної регресії, натренованої на наборі даних про серцеві захворювання. Допоміжна функція plot_importances() викликається в кінці скрипту, щоб побудувати важливості на одному графіку.
X, що містить ознаки, і y з мітками, а також модель логістичної регресії model уже завантажено для вас. matplotlib.pyplot імпортовано як plt.
Ця вправа є частиною курсу
Пояснюваний ШІ в Python
Інструкції до вправи
- Обчисліть коефіцієнти моделі логістичної регресії
model. - Обчисліть permutation importance з 20 повторами, використавши
random_state= 1. - Обчисліть середнє значення permutation importance по всіх повторах.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
from sklearn.inspection import permutation_importance
# Extract and store model coefficients
coefficients = ____
# Compute permutation importance on the test set
perm_importance = ____
# Compute the average permutation importance
avg_perm_importance = ____
plot_importances(coefficients, avg_perm_importance)