Začněte nyníZačněte zdarma

Důležitost příznaků

Některé vlastnosti sladkostí, jako třeba čokoláda, mohou být velmi oblíbené – to ale neznamená, že budou pro předpověď modelu důležité. Po natrénování modelu náhodného lesa si můžeš prohlédnout atribut .feature_importances_ a zjistit, které proměnné měly největší vliv. Procházej pole důležitosti příznaků pomocí enumerate() a ověř, jak moc přispěl každý příznak.

Pokud funkci enumerate() v Pythonu neznáš: umožňuje procházet seznam a zároveň automaticky počítat kroky.

Toto cvičení je součástí kurzu

Validace modelů v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Projdi výstup důležitosti příznaků modelu rfr.
  • Vypiš názvy sloupců z X_train spolu se skóre důležitosti pro každý sloupec.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Fit the model using X and y
rfr.fit(X_train, y_train)

# Print how important each column is to the model
for i, item in enumerate(rfr.____):
      # Use i and item to print out the feature importance of each column
    print("{0:s}: {1:.2f}".format(X_train.columns[____], ____))
Upravit a spustit kód