重要な特徴量の並べ替え

Decision Tree が人気な理由のひとつは、その解釈性の高さです。正確に予測できるモデルは他にもありますが、Decision Tree は各特徴量が目的変数に与える影響の大きさを数値化できます。ここでは、退職（離職）の意思決定に最も影響する特徴量と、影響が小さい特徴量を特定できます。sklearn では、この情報を feature_importances_ 属性で取得できます。

この演習では、各特徴量の重要度を数値として取得し、pandas の DataFrame（Python で扱う表形式データ）に保存し、重要度が高い順に並べ替えます。前の演習で使用した model_ best の Decision Tree Classifier に加えて、features_test と features_train の変数がワークスペースに用意されています。

pandas は pd としてインポート済みです。