Interpretar resultados

Casi siempre es importante saber qué variables están influyendo más en tu predicción. ¿Quizá es contraintuitivo y eso ya es un insight? Puede que un puñado de variables expliquen la mayor parte de la precisión de tu modelo y no necesites invertir tiempo en obtener o preparar otras.

En este ejemplo veremos un modelo que se ha entrenado sin ninguna información de LISTPRICE. Con eso fuera, ¿qué influye más en el precio?

NOTA: El array con las importancias de las variables, importances, ya se ha creado por ti a partir de model.featureImportances.toArray()

Este ejercicio forma parte del curso

Ingeniería de características con PySpark

Ver curso

Instrucciones del ejercicio

Crea un dataframe de pandas usando los valores de importances y pon como nombre de la columna importance estableciendo el parámetro columns.
Con la lista importada de nombres de variables, feature_cols, crea una nueva pandas.Series envolviéndola con la función pd.Series(). Asígnala a la columna fi_df['feature'].
Ordena el dataframe usando sort_values(), estableciendo el parámetro by a nuestra columna importance y ordénalo en orden descendente poniendo ascending en False. Revisa los resultados.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Convert feature importances to a pandas column
fi_df = pd.DataFrame(____, columns=[____])

# Convert list of feature names to pandas column
fi_df['feature'] = pd.____(____)

# Sort the data based on feature importance
fi_df.____(by=[____], ascending=____, inplace=True)

# Inspect Results
fi_df.head(10)

Editar y ejecutar código