Beräkna särdragsviktigheter med beslutsträd
Du har byggt en beslutsträdsklassificerare för att identifiera patienter med risk för hjärtsjukdom med hjälp av hjärtsjukdomsdatasetet. Nu behöver du förklara modellen genom att analysera särdragsviktigheter för att avgöra vilka faktorer som är avgörande för att förutsäga hjärtsjukdom – vilket möjliggör mer riktade vårdinsatser.
matplotlib.pyplot har importerats som plt. X_train och y_train är förhandsinlästa.
Den här övningen är en del av kursen
Förklarbar AI i Python
Övningsinstruktioner
- Extrahera särdragsviktigheterna från
model. - Plotta
feature_importancesför de givnafeature_names.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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()