Importancia de la permutación para MLPClassifier
Tu tarea es usar la importancia de la permutación para identificar qué características tienen más impacto en la previsión de cardiovasculopatías con un MLPClassifier.
X contiene las características y y contiene las etiquetas, y se han cargado previamente para ti. matplotlib.pyplot se ha importado como plt.
Este ejercicio forma parte del curso
IA explicable en Python
Instrucciones de ejercicio
- Calcula la importancia de la permutación con 10 repeticiones usando un
random_statede 1. - Representa las importancias de las características con un gráfico de barras.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
from sklearn.neural_network import MLPClassifier
from sklearn.inspection import permutation_importance
model = MLPClassifier(hidden_layer_sizes=(10), random_state=1)
model.fit(X, y)
# Compute the permutation importance
result = ____
# Plot feature importances
____
plt.xticks(rotation=45)
plt.show()