Веса как свидетельства

Часть раздела Обучение с учителем путешествия по Machine Learning на Coddy. Урок 18 из 58.

Что побуждает посетителя магазина совершить покупку? Масштабируй признаки, чтобы каждый вес соответствовал одному стандартному отклонению, а затем интерпретируй веса как свидетельства:

Горизонтальные столбцы четырёх масштабированных весов. В сторону покупки, синим цветом: pages_viewed 0.87, minutes 0.12. Против покупки, оранжевым цветом: from_ad -0.30, price_seen -0.72

X_scaled = StandardScaler().fit_transform(visits)
model = LogisticRegression(max_iter=1000)
model.fit(X_scaled, bought)
print(np.round(model.coef_[0], 2))  # одна строка весов

Это выводит веса в порядке столбцов:

[ 0.87  0.12 -0.3  -0.72]

Знак указывает направление: положительный сдвигает в сторону класса 1 — покупки; отрицательный — в противоположную сторону. Размер указывает силу.

Масштабирование делает величины сопоставимыми: без масштабирования цена в центах получила бы вес в 100 раз меньше, чем цена в долларах.

Задание

Средне

Приложение для изучения языков спрашивает, какие привычки связаны с поддержанием 30-дневной серии занятий или завершением курса. В learners.csv содержатся шесть признаков и обе целевые переменные; программа считывает, какую целевую переменную нужно изучить. В заготовке данные разделяются на выборки и масштабируются.

Обучи LogisticRegression на масштабированных строках обучающей выборки.
Выведи все веса в порядке убывания (2 знака после запятой) и укажи направление их влияния.
Выведи самый весомый аргумент независимо от направления.

Для другого приложения:

friends: 1.02, pushes toward yes
reminder_on: 0.42, pushes toward yes
age: 0.06, pushes toward yes
daily_goal_min: -0.11, pushes toward no
lessons_week1: -0.2, pushes toward no
night_owl: -0.64, pushes toward no
Strongest evidence: friends

Попробуйте сами

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

learners = pd.read_csv("learners.csv")
features = ["daily_goal_min", "friends", "reminder_on", "lessons_week1", "night_owl", "age"]
label = input()  # kept_streak или finished_course
X_train, X_test, y_train, y_test = train_test_split(learners[features], learners[label], test_size=0.25, random_state=0)
scaler = StandardScaler()
X_train_s = scaler.fit_transform(X_train)

# Напишите свой код ниже