多變量邏輯斯迴歸
一般來說，你不會只用 loan_int_rate 來預測違約機率。你會想用手邊所有的資料來做預測。
基於這個想法，請用 cr_loan_clean 資料中的不同欄位（也就是特徵）來訓練一個新模型。這個模型會和第一個不同嗎？你可以很容易地檢查邏輯斯迴歸的 .intercept_。記住，這是函式在 y 軸的截距，以及整體「非違約」的對數勝算（log-odds）。
cr_loan_clean 資料和先前的模型 clf_logistic_single 都已經載入到工作環境。
本練習屬於課程
以 Python 進行信用風險建模
練習說明
- 以
loan_int_rate和person_emp_length建立新的X資料集，存成X_multi。 - 建立只包含
loan_status的y資料集。 - 建立並在新的
X資料上.fit()一個LogisticRegression()模型，存成clf_logistic_multi。 - 列印模型的
.intercept_值。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create X data for the model
X_multi = ____[[____,____]]
# Create a set of y data for training
y = ____[[____]]
# Create and train a new logistic regression
clf_logistic_multi = ____(solver='lbfgs').____(____, np.ravel(____))
# Print the intercept of the model
print(____.____)