Главная

Далее нужно оценить вклад признаков модели по коэффициентам значимости модели. Выведите на экран график важности признаков обученной модели логистической регрессии. Отсортируйте признаки по убыванию значимости.

# инициализируем селектор и модель
selector = SelectKBest(f_classif, k=16)
model = LogisticRegression()

# обучаем SelectKBest
selector.fit(X_train_scalled, y_train)

# формируем выборки с лучшими признаками
features_names = X_train_scalled.columns[selector.get_support(indices=True)]
X_train_new = X_train_scalled[list(features_names)]
X_test_new = X_test_scalled[list(features_names)]

# обучаем модель
model.fit(X_train_new, y_train)

# отложите значения коэффициентов на графике
coefficients = model.coef_[0]
feature_importance = pd.DataFrame({'Feature': features_names, 'Importance': np.abs(coefficients)})
feature_importance = feature_importance.sort_values('Importance', ascending=True)
sns.set_style('white')
feature_importance.plot(x='Feature', y='Importance', kind='barh', figsize=(10, 6))