Seřazení důležitých příznaků

Rozhodovací stromy jsou oblíbené mimo jiné pro svou srozumitelnost. Mnoho modelů dokáže přesně předpovídat, ale rozhodovací stromy navíc umožňují kvantifikovat vliv jednotlivých příznaků na cílovou proměnnou. V tomto případě ti mohou říct, které příznaky mají největší a nejmenší vliv na rozhodnutí zaměstnance odejít z firmy. V sklearn tuto informaci získáš pomocí atributu feature_importances_.

V tomto cvičení získáš kvantifikovanou důležitost každého příznaku, uložíš ji do pandas DataFrame (tabulky v pythonním stylu) a seřadíš ji od nejdůležitějšího příznaku po nejméně důležitý. Klasifikátor rozhodovacího stromu model_best použitý v předchozích cvičeních je dostupný v tvém pracovním prostoru, stejně jako proměnné features_test a features_train.

pandas byl importován jako pd.

Toto cvičení je součástí kurzu

HR Analytics: Predicting Employee Churn in Python

Zobrazit kurz

Pokyny k cvičení

Pomocí atributu feature_importances_ vypočítej relativní důležitost příznaků.
Vytvoř seznam příznaků.
Výsledky ulož do DataFrame pomocí funkce DataFrame(), kde příznaky budou řádky a jejich hodnoty budou sloupec.
Seřaď DataFrame relative_importances tak, aby nejdůležitější příznaky byly nahoře – použij funkci sort_values() – a výsledek vypiš.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate feature importances
feature_importances = model_best.____

# Create a list of features: done
feature_list = list(features)

# Save the results inside a DataFrame using feature_list as an index
relative_importances = pd.____(index=____, data=feature_importances, columns=["importance"])

# Sort values to learn most important features
relative_importances.____(by="importance", ascending=False)

Upravit a spustit kód