Importance de la permutation pour MLPClassifier
Votre tâche consiste à utiliser l'importance de la permutation pour identifier les caractéristiques qui ont le plus d'impact sur la prédiction des maladies cardiaques avec un classificateur MLPC.
X contenant les caractéristiques et y contenant les étiquettes ont été préchargés pour vous. matplotlib.pyplot a été importé en tant que plt.
Cet exercice fait partie du cours
L'IA explicable en Python
Instructions
- Calculez l'importance de la permutation avec 10 répétitions en utilisant une adresse
random_statede 1. - Tracez les importances des caractéristiques à l'aide d'un graphique à barres.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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()