Дослідження коефіцієнтів логістичної регресії
Тепер ви дослідите коефіцієнти логістичної регресії, щоб зрозуміти, що підвищує або знижує відтік. У цій вправі ви дістанете коефіцієнти логістичної регресії зі своєї навченої моделі та обчислите їхню експоненту, щоб зробити інтерпретацію зрозумілішою.
Екземпляр навченої логістичної регресії завантажено як logreg, а масштабовані ознаки — як датафрейм pandas під назвою train_X. Бібліотеки numpy та pandas завантажено як np та pd відповідно.
Ця вправа є частиною курсу
Machine Learning для маркетингу в Python
Інструкції до вправи
- Об'єднайте назви ознак і коефіцієнти в датафрейм
pandas. - Обчисліть експоненту коефіцієнтів логістичної регресії.
- Приберіть коефіцієнти, що дорівнюють нулю, і виведіть їх, відсортовані за експонованим коефіцієнтом.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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=['___']))