Obliczanie ważności cech przy użyciu lasów losowych
Jako data scientist w firmie doradztwa finansowego opracowałeś klasyfikator lasów losowych, który przypisuje osoby do grup na podstawie poziomu ich dochodów. Teraz musisz wyjaśnić działanie modelu, analizując ważności cech, aby zidentyfikować kluczowe czynniki wpływające na przewidywanie dochodów. Dzięki temu możliwa jest bardziej precyzyjna segmentacja rynku i trafniejsze podejmowanie decyzji strategicznych.
matplotlib.pyplot został zaimportowany jako plt. Zmienne X_train i y_train są już wczytane.
To ćwiczenie jest częścią kursu
Wyjaśnialne AI w Pythonie
Instrukcje do ćwiczenia
- Wyodrębnij ważności cech z modelu
model. - Stwórz wykres
feature_importances.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)
# Derive feature importances
feature_importances = ____
# Plot the feature importances
____
plt.show()