用线性回归计算特征影响力

作为一家保险公司的数据科学家，您的任务是构建并解释一个线性回归模型。该模型依据年龄、BMI、吸烟状态等特征来估计保险费用。请通过分析模型的系数，确定各特征对预测结果的影响。

matplotlib.pyplot 已作为 plt 导入，同时也导入了 MinMaxScaler。X_train 和 y_train 已为您预先加载。

本练习是课程的一部分

Python 可解释性 AI

查看课程

练习说明

对训练数据 X_train 进行归一化。
将线性回归 model 拟合到标准化后的训练数据上。
从模型中提取 coefficients。
使用给定的 feature_names 绘制 coefficients。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Standardize the training data
scaler = MinMaxScaler()
X_train_scaled = ____
model = LinearRegression()

# Fit the model
____

# Derive coefficients
coefficients = ____
feature_names = X_train.columns

# Plot coefficients
plt.bar(____, ____)
plt.show()

编辑并运行代码