1. 학습
    2. /
  2. 강의
    3. /
  3. HR Analytics: Przewidywanie rotacji pracowników w Pythonie
Connected

연습 문제

Sortowanie ważnych cech

Drzewa decyzyjne cieszą się dużą popularnością między innymi ze względu na swoją interpretowalność. Wiele modeli potrafi generować trafne prognozy, ale drzewa decyzyjne potrafią też ilościowo określić wpływ poszczególnych cech na zmienną docelową. W tym przypadku model może wskazać, które cechy mają największy i najmniejszy wpływ na decyzję pracownika o odejściu z firmy. W sklearn możesz uzyskać te informacje za pomocą atrybutu feature_importances_.

W tym ćwiczeniu obliczysz ważność każdej cechy, zapiszesz wyniki w DataFrame biblioteki pandas (czyli w tabeli w stylu Pythona), a następnie posortuj je od najważniejszej do najmniej ważnej. Klasyfikator drzewa decyzyjnego model_best użyty w poprzednich ćwiczeniach jest dostępny w twoim środowisku, podobnie jak zmienne features_test i features_train.

pandas zostało zaimportowane jako pd.

지침

100 XP
  • Użyj atrybutu feature_importances_, aby obliczyć względną ważność cech
  • Utwórz listę cech
  • Zapisz wyniki w DataFrame za pomocą funkcji DataFrame(), gdzie cechy są wierszami, a ich wartości – kolumną
  • Posortuj DataFrame relative_importances, aby najważniejsze cechy znalazły się na górze, używając funkcji sort_values(), i wyświetl wynik