Vizualizace důležitosti příznaků

V tomto cvičení zjistíš, které příznaky byly podle regresoru náhodného lesa rf – natrénovaného v předchozím cvičení – nejdůležitější pro predikci.

Sestrojíš horizontální sloupcový graf důležitosti příznaků, jak je vyhodnotil model rf. Díky vykreslovacím možnostem knihovny pandas to jde celkem snadno.

K dispozici máš objekt pandas.Series s názvem importances, kde jsou názvy příznaků jako index a jejich důležitosti jako hodnoty. Dále je dostupný matplotlib.pyplot jako plt a pandas jako pd.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in Python

Zobrazit kurz

Pokyny k cvičení

Zavolej metodu .sort_values() na objektu importances a výsledek ulož do proměnné importances_sorted.
Zavolej metodu .plot() na objektu importances_sorted a nastav následující argumenty:
- kind na 'barh'
- color na 'lightgreen'

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a pd.Series of features importances
importances = pd.Series(data=rf.feature_importances_,
                        index= X_train.columns)

# Sort importances
importances_sorted = ____

# Draw a horizontal barplot of importances_sorted
____.____(____='____', ____='____')
plt.title('Features Importances')
plt.show()

Upravit a spustit kód