НачатьНачать бесплатно

Важность признаков

Некоторые характеристики конфет, например наличие шоколада, могут быть очень популярны, но это не означает, что они окажутся важными для предсказания модели. После обучения модели случайного леса можно изучить её атрибут .feature_importances_, чтобы узнать, какие переменные оказали наибольшее влияние. Оценить важность каждой переменной можно, перебрав массив важности признаков с помощью функции enumerate().

Если вы не знакомы с функцией enumerate() в Python: она позволяет перебирать элементы списка и одновременно автоматически вести счётчик.

Это упражнение является частью курса

Валидация моделей на Python

Посмотреть курс

Инструкции к упражнению

  • Переберите значения важности признаков модели rfr в цикле.
  • Выведите названия столбцов из X_train и соответствующий показатель важности для каждого столбца.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Fit the model using X and y
rfr.fit(X_train, y_train)

# Print how important each column is to the model
for i, item in enumerate(rfr.____):
      # Use i and item to print out the feature importance of each column
    print("{0:s}: {1:.2f}".format(X_train.columns[____], ____))
Редактировать и запускать код