Cálculo da importância do recurso com árvores de decisão
Você criou um classificador de árvore de decisão para identificar pacientes com risco de doença cardíaca usando o conjunto de dados de doença cardíaca. Agora você precisa explicar o modelo analisando a importância dos recursos para determinar os principais fatores de previsão de doenças cardíacas, permitindo intervenções de saúde mais direcionadas.
matplotlib.pyplot foi importado como plt. X_train e y_train estão pré-carregados para você.
Este exercício faz parte do curso
IA explicável em Python
Instruções de exercício
- Extraia as importâncias dos recursos do
model. - Trace os
feature_importancespara osfeature_namesfornecidos.
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
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()