Sortarea caracteristicilor importante

Printre altele, arborii de decizie sunt foarte populari datorită interpretabilității lor. Multe modele pot oferi predicții precise, însă arborii de decizie pot și cuantifica efectul diferitelor caracteristici asupra variabilei țintă. În acest context, modelul îți poate spune care caracteristici au cel mai puternic și cel mai slab impact asupra deciziei de a părăsi compania. În sklearn, poți obține aceste informații folosind atributul feature_importances_.

În acest exercițiu, vei obține importanța cuantificată a fiecărei caracteristici, o vei salva într-un DataFrame pandas (un tabel în stil Python) și vei sorta rezultatele de la cea mai importantă la cea mai puțin importantă. Clasificatorul arborelui de decizie model_best folosit în exercițiile anterioare este disponibil în spațiul tău de lucru, alături de variabilele features_test și features_train.

pandas a fost importat ca pd.

Acest exercițiu face parte din cursul

HR Analytics: Predicția fluctuației angajaților în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește atributul feature_importances_ pentru a calcula importanțele relative ale caracteristicilor
Creează o listă de caracteristici
Salvează rezultatele într-un DataFrame folosind funcția DataFrame(), unde caracteristicile sunt rânduri și valorile lor respective formează o coloană
Sortează DataFrame-ul relative_importances pentru a obține cele mai importante caracteristici în frunte, folosind funcția sort_values(), și afișează rezultatul

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Calculate feature importances
feature_importances = model_best.____

# Create a list of features: done
feature_list = list(features)

# Save the results inside a DataFrame using feature_list as an index
relative_importances = pd.____(index=____, data=feature_importances, columns=["importance"])

# Sort values to learn most important features
relative_importances.____(by="importance", ascending=False)

Editează și rulează codul