Výpočet důležitosti příznaků pomocí náhodných lesů
Jako datový vědec ve finanční poradenské firmě jsi vyvinul klasifikátor náhodného lesa, který rozděluje osoby podle příjmové úrovně. Teď potřebuješ model vysvětlit – pomocí analýzy důležitosti příznaků zjistíš, které faktory jsou pro predikci příjmu klíčové. To umožní přesnější segmentaci trhu a podpoří lepší strategické rozhodování.
matplotlib.pyplot je importován jako plt. X_train a y_train jsou předem načteny.
Toto cvičení je součástí kurzu
Explainable AI v Pythonu
Pokyny k cvičení
- Extrahuj důležitosti příznaků z
modelu. - Vykresli
feature_importances.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)
# Derive feature importances
feature_importances = ____
# Plot the feature importances
____
plt.show()