Calcolare l'importanza delle feature con le random forest
Come data scientist in una società di consulenza finanziaria, hai sviluppato un classificatore random forest che classifica le persone in base al loro livello di reddito. Ora devi spiegare il modello analizzando l'importanza delle feature per individuare i fattori chiave nella previsione del reddito, così da abilitare una segmentazione di mercato più mirata e migliorare le decisioni strategiche.
matplotlib.pyplot è stato importato come plt. X_train e y_train sono già caricati per te.
Questo esercizio fa parte del corso
Explainable AI in Python
Istruzioni dell'esercizio
- Estrai le feature importances da
model. - Traccia le
feature_importances.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)
# Derive feature importances
feature_importances = ____
# Plot the feature importances
____
plt.show()