特徴量の重要度
チョコレートのように人気のあるキャンディーの属性があっても、それがモデルの予測にとって「重要」であるとは限りません。ランダムフォレストモデルを学習した後は、モデルの属性 .feature_importances_ を確認することで、どの変数が最も影響したかを確認できます。enumerate() を使って特徴量重要度の配列をループすると、各変数がモデルでどの程度重要だったかを確かめられます。
Python の enumerate() 関数に慣れていない場合でも、これはリストをループしながら自動でカウンターを作成してくれます。
この演習はコースの一部です
Python によるモデル検証
演習の手順
rfrの特徴量重要度の出力をループしてください。X_trainの列名と、その列の重要度スコアを出力してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Fit the model using X and y
rfr.fit(X_train, y_train)
# Print how important each column is to the model
for i, item in enumerate(rfr.____):
# Use i and item to print out the feature importance of each column
print("{0:s}: {1:.2f}".format(X_train.columns[____], ____))