Calcul de l'importance des caractéristiques avec les forêts aléatoires
En tant que data scientist dans une société de conseil financier, vous avez développé un classificateur de forêt aléatoire qui classe les individus en fonction de leurs niveaux de revenus. Vous devez maintenant expliquer le modèle en analysant l'importance des caractéristiques afin de déterminer les facteurs clés permettant de prédire les revenus, de mieux cibler la segmentation du marché et d'améliorer la prise de décision stratégique.
matplotlib.pyplot a été importé en tant que plt. X_train et y_train sont préchargés pour vous.
Cet exercice fait partie du cours
L'IA explicable en Python
Instructions
- Extraire les importances des caractéristiques à partir du site
model. - Graphique du site
feature_importances.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)
# Derive feature importances
feature_importances = ____
# Plot the feature importances
____
plt.show()