Calcular la importancia de las características con árboles de decisión
Has creado un clasificador de árbol de decisión para identificar a los pacientes con riesgo de cardiovasculopatía utilizando el conjunto de datos de cardiovasculopatías. Ahora tienes que explicar el modelo analizando la importancia de las características para determinar los factores clave para prever cardiovasculopatía, lo que permitirá intervenciones sanitarias más específicas.
matplotlib.pyplot se ha importado como plt. X_train y y_train están precargados para ti.
Este ejercicio forma parte del curso
IA explicable en Python
Instrucciones de ejercicio
- Extrae las importancias de las características de
model. - Representa
feature_importancespara losfeature_namesdados.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
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()