Trực quan hóa mức độ quan trọng của cột
Khi mô hình được huấn luyện trên các tập cột khác nhau, hiệu suất sẽ thay đổi. Nhưng liệu mức độ quan trọng của cùng một cột có thay đổi tùy theo nhóm cột mà nó nằm trong đó không?
Các tập dữ liệu X2 và X3 đã được tạo bằng đoạn mã sau:
X2 = cr_loan_prep[['loan_int_rate','person_emp_length']]
X3 = cr_loan_prep[['person_income','loan_int_rate','loan_percent_income']]
Hiểu cách các cột khác nhau được sử dụng để đưa ra dự đoán loan_status là rất quan trọng cho khả năng diễn giải mô hình.
Các tập dữ liệu cr_loan_prep, X2_train, X2_test, X3_train, X3_test, y_train, y_test đã được nạp sẵn trong môi trường làm việc.
Bài tập này là một phần của khóa học
Mô hình hóa Rủi ro Tín dụng bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Train a model on the X data with 2 columns
____ = xgb.____().____(____,np.ravel(____))
# Plot the column importance for this model
xgb.____(____, importance_type = 'weight')
plt.____()