Ważność permutacyjna dla MLPClassifier
Twoim zadaniem jest zastosowanie ważności permutacyjnej, aby określić, które cechy mają największy wpływ na przewidywanie chorób serca za pomocą MLPClassifier.
X zawierające cechy oraz y zawierające etykiety zostały już wczytane. Biblioteka matplotlib.pyplot jest zaimportowana jako plt.
To ćwiczenie jest częścią kursu
Wyjaśnialne AI w Pythonie
Instrukcje do ćwiczenia
- Oblicz ważność permutacyjną z 10 powtórzeniami, używając
random_staterównego 1. - Zwizualizuj ważność cech za pomocą wykresu słupkowego.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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()