ÎncepețiÎncepe gratuit

Importanța caracteristicilor în clustering cu ARI

Folosește Adjusted Rand Index (ARI) pentru a măsura cantitativ impactul eliminării fiecărei caracteristici asupra atribuirilor de cluster în setul de date despre clienți cu care ai lucrat în exercițiul anterior, pre-încărcat în X.

Funcția adjusted_rand_score() și variabila column_names sunt deja pre-încărcate.

Acest exercițiu face parte din cursul

AI Explicabil în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Determină atribuirile originale de cluster în original_clusters.
  • În bucla for, elimină caracteristicile una câte una și salvează rezultatul în X_reduced.
  • Obține reduced_clusters aplicând K-means pe X_reduced.
  • Calculează importance pentru fiecare caracteristică pe baza ARI dintre reduced_clusters și original_clusters.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

kmeans = KMeans(n_clusters=5, random_state=10, n_init=10).fit(X)
# Derive original clusters
original_clusters = ____

for i in range(X.shape[1]):
  	# Remove feature at index i
    X_reduced = ____
    # Derive reduced clusters
    reduced_clusters = ____
    # Derive feature importance
    importance = ____
    print(f'{column_names[i]}: {importance}')
Editează și rulează codul