Feature-Importanzen visualisieren
Dein Random-Forest-Klassifikator aus den vorherigen Übungen wurde auf die telco-Daten gefittet und steht dir als clf zur Verfügung. Lass uns die Feature-Importanzen visualisieren und ein Gefühl dafür bekommen, welche Faktoren Churn treiben, indem wir mit matplotlib barh ein horizontales Balkendiagramm der Feature-Importanzen erstellen.
Diese Übung ist Teil des Kurses
<Kurs>Marketing Analytics: Kundenabwanderung in Python vorhersagen</Kurs>Übungsanweisungen
- Berechne die Feature-Importanzen von
clf. - Verwende
plt.barh(), um ein horizontales Balkendiagramm vonimportanceszu erstellen.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Calculate feature importances
importances = ____.____
# Create plot
____.____(range(X.shape[1]), ____)
plt.show()