Permutation importance per MLPClassifier
Il tuo compito è usare la permutation importance per individuare quali feature hanno l’impatto maggiore nel prevedere le malattie cardiache con un MLPClassifier.
X, che contiene le feature, e y, che contiene le label, sono già stati caricati per te. matplotlib.pyplot è stato importato come plt.
Questo esercizio fa parte del corso
Explainable AI in Python
Istruzioni dell'esercizio
- Calcola la permutation importance con 10 ripetizioni usando
random_statepari a 1. - Traccia le feature importances con un grafico a barre.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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()