Interpréter les résultats

Il est presque toujours essentiel de savoir quelles caractéristiques influencent le plus votre prédiction. Peut‑être que cela va à l’encontre de l’intuition et que c’est une information précieuse ? Peut‑être qu’une poignée de caractéristiques expliquent l’essentiel de la précision de votre modèle, et qu’il n’est pas nécessaire de consacrer du temps à collecter ou à transformer d’autres variables.

Dans cet exemple, nous examinons un modèle entraîné sans aucune information LISTPRICE. Sans cette variable, qu’est‑ce qui influence le plus le prix ?

REMARQUE : Le tableau des importances des caractéristiques, importances, a déjà été créé pour vous à partir de model.featureImportances.toArray()

Cet exercice fait partie du cours

<cours>Feature Engineering avec PySpark</cours>

Voir le cours

Instructions de l’exercice

Créez un dataframe pandas à partir des valeurs de importances et nommez la colonne importance en définissant le paramètre columns.
En utilisant la liste importée des noms de caractéristiques, feature_cols, créez une nouvelle pandas.Series en l’enveloppant avec la fonction pd.Series(). Affectez‑la à la colonne fi_df['feature'].
Triez le dataframe avec sort_values(), en définissant le paramètre by sur notre colonne importance et en triant par ordre décroissant avec ascending défini à False. Examinez les résultats.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)

Modifier et exécuter le code