创建训练集和测试集
您刚刚在不同的列上训练了 LogisticRegression() 模型。
您知道应当将数据划分为训练集和测试集。可以使用 test_train_split() 同时创建二者。训练集用于训练模型并生成预测，测试集用于评估模型效果。如果不评估模型，您就无法判断它在新的贷款数据上能否表现良好。
除了作为模型属性的 intercept_，LogisticRegression() 模型还有 .coef_ 属性。它用于展示每个训练列（特征）对违约概率预测的重要性。
数据集 cr_loan_clean 已加载到工作区。
本练习是课程的一部分
Python 信用风险建模
练习说明
- 使用利率、工作年限和收入创建数据集
X。使用贷款状态创建数据集y。 - 使用
train_test_split()将X和y划分为训练集和测试集。 - 创建并训练一个
LogisticRegression()模型，保存为clf_logistic。 - 使用
.coef_打印模型的系数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create the X and y data sets
X = ____[[____,____,____]]
y = ____[[____]]
# Use test_train_split to create the training and test sets
X_train, X_test, y_train, y_test = ____(____, ____, test_size=.4, random_state=123)
# Create and fit the logistic regression model
____ = ____(solver='lbfgs').____(____, np.ravel(____))
# Print the models coefficients
print(____.coef_)