Importance par permutation pour MLPClassifier
Votre tâche est d'utiliser l'importance par permutation pour repérer quelles caractéristiques ont le plus d'impact sur la prédiction des maladies du cœur avec un MLPClassifier.
X, qui contient les caractéristiques, et y, qui contient les étiquettes, ont été préchargés pour vous. matplotlib.pyplot a été importé sous le nom plt.
Cette activité fait partie du cours
Explainable AI en Python
Instructions de l’exercice
- Calculez l'importance par permutation avec 10 répétitions en utilisant un
random_statede 1. - Tracez les importances des caractéristiques avec un diagramme à barres.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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()