महत्वपूर्ण फीचर्स को sort करना
अन्य कई बातों के साथ, Decision Trees अपनी interpretability के कारण बहुत लोकप्रिय हैं. कई मॉडल सटीक predictions दे सकते हैं, लेकिन Decision Trees अलग-अलग फीचर्स के target पर प्रभाव को माप भी सकते हैं. यहाँ, यह आपको बताएगा कि कंपनी छोड़ने के निर्णय पर किन फीचर्स का प्रभाव सबसे ज़्यादा और सबसे कम है. sklearn में आप यह जानकारी feature_importances_ attribute से पा सकते हैं.
इस अभ्यास में, आप हर फीचर का quantified importance निकालेंगे, उन्हें pandas DataFrame (Python जैसा table) में सेव करेंगे, और सबसे महत्वपूर्ण से कम महत्वपूर्ण के क्रम में sort करेंगे. पहले के अभ्यासों में इस्तेमाल किया गया model_ best Decision Tree Classifier आपके workspace में उपलब्ध है, साथ ही features_test और features_train वैरिएबल भी.
pandas को pd नाम से import किया जा चुका है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
HR Analytics: Python में कर्मचारी churn की भविष्यवाणी
अभ्यास निर्देश
- सापेक्ष (relative) feature importances निकालने के लिए
feature_importances_attribute का उपयोग करें - फीचर्स की एक list बनाएँ
- परिणामों को
DataFrame()फंक्शन का उपयोग करके एक DataFrame में सेव करें, जहाँ फीचर्स rows हों और उनके मान एक column में हों relative_importancesDataFrame कोsort_values()फंक्शन से sort करें ताकि सबसे महत्वपूर्ण फीचर्स ऊपर दिखें, और परिणाम print करें
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate feature importances
feature_importances = model_best.____
# Create a list of features: done
feature_list = list(features)
# Save the results inside a DataFrame using feature_list as an index
relative_importances = pd.____(index=____, data=feature_importances, columns=["importance"])
# Sort values to learn most important features
relative_importances.____(by="importance", ascending=False)