Berechnung der Merkmalswichtigkeit bei Entscheidungsbäumen
Du hast einen Entscheidungsbaum-Klassifikator erstellt, um Patienten mit dem Risiko einer Herzerkrankung anhand eines entsprechenden Datensatzes zu identifizieren. Jetzt musst du das Modell erklären, indem du die Merkmalswichtigkeit analysierst, um die Schlüsselfaktoren zu bestimmen, mit denen sich Herzkrankheiten vorhersagen und somit auch gezieltere Gesundheitsmaßnahmen ermöglichen lassen.
matplotlib.pyplot wurde als plt importiert. X_train und y_train sind bereits geladen.
Diese Übung ist Teil des Kurses
Erklärbare KI in Python
Anleitung zur Übung
- Extrahiere die Merkmalswichtigkeiten aus dem Modell.
- Erstelle ein Diagramm der Koeffizienten für die angegebenen Merkmalsnamen (
feature_names).
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
model = DecisionTreeClassifier(random_state=42)
model.fit(X_train, y_train)
# Derive feature importances
feature_importances = ____
feature_names = X_train.columns
# Plot the feature importances
____
plt.show()