Thay đổi hệ số
Với hiểu biết về các hệ số của mô hình LogisticRegression(), hãy xem kỹ hơn để thấy chúng thay đổi thế nào tùy theo các cột được dùng để huấn luyện. Liệu các hệ số theo cột có thay đổi giữa các mô hình không?
Bạn sẽ .fit() hai mô hình LogisticRegression() khác nhau trên hai nhóm cột khác nhau để kiểm tra. Bạn cũng nên cân nhắc tác động tiềm ẩn lên xác suất vỡ nợ (probability of default).
Bộ dữ liệu cr_loan_clean đã được nạp sẵn vào môi trường làm việc cùng với các tập huấn luyện X1_train, X2_train, và y_train.
Bài tập này là một phần của khóa học
Mô hình hóa Rủi ro Tín dụng bằng Python
Hướng dẫn bài tập
- Kiểm tra 5 hàng đầu tiên của cả hai tập huấn luyện
X. - Huấn luyện một mô hình logistic regression, đặt tên
clf_logistic1, với tập huấn luyệnX1. - Huấn luyện một mô hình logistic regression, đặt tên
clf_logistic2, với tập huấn luyệnX2. - In ra các hệ số của cả hai mô hình logistic regression.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Print the first five rows of each training set
print(____.____())
print(____.____())
# Create and train a model on the first training data
____ = ____(solver='lbfgs').____(____, np.ravel(y_train))
# Create and train a model on the second training data
____ = ____(solver='lbfgs').____(____, np.ravel(y_train))
# Print the coefficients of each model
print(____.____)
print(____.____)