
320
파이썬 라이브러리를 활용한 머신러닝(번역개정판)
그런 다음
get
_
feature
_
names
메서드를 사용해
PolynomialFeatures
로 추출한 모든 상호
작용 특성에 이름을 달아줍니다. 그리고 계수가
0
이 아닌 특성만 선택합니다.
In [72]:
features_poly = poly_transformer.get_feature_names(features)
features_nonzero = np.array(features_poly)[lr.coef_ != 0]
coef_nonzero = lr.coef_[lr.coef_ != 0]
이제 선형 모델에서 학습한 계수를 [그림
4
-
19
]처럼 나타낼 수 있습니다.
In [73]:
plt.gure(gsize=(15, 2))
plt.plot(coef_nonzero, 'o')
plt.xticks(np.arange(len(coef_nonzero)), features_nonzero, rotation=90)
plt.xlabel("특성 이름")
plt.ylabel("계수 크기")
그림
4-19
시간과 요일의 곱을 사용한 선형 모델의 계수
4.9
요약 및 정리
이번 장에서 여러 종류의 데이터 타입(특히 범주형 변수)을 다루는 법을 배웠습니다. 예를 들
어 원-핫-인코딩 범주형 변수처럼 머신러닝 알고리즘에 적합한 방식으로 데이터를 표현하는 ...