Obliczanie ważności cech za pomocą drzew decyzyjnych
Zbudowano klasyfikator oparty na drzewie decyzyjnym, który identyfikuje pacjentów zagrożonych chorobą serca – z wykorzystaniem zbioru danych dotyczących chorób serca. Teraz należy wyjaśnić model, analizując ważność cech, aby określić kluczowe czynniki wpływające na przewidywanie choroby serca i umożliwić bardziej ukierunkowane interwencje medyczne.
matplotlib.pyplot został zaimportowany jako plt. X_train i y_train są wstępnie wczytane.
To ćwiczenie jest częścią kursu
Wyjaśnialne AI w Pythonie
Instrukcje do ćwiczenia
- Wyodrębnij ważności cech z obiektu
model. - Zwizualizuj
feature_importancesdla podanychfeature_namesna wykresie.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
model = DecisionTreeClassifier(random_state=42)
model.fit(X_train, y_train)
# Derive feature importances
feature_importances = ____
feature_names = X_train.columns
# Plot the feature importances
____
plt.show()