Visualisering av särdragsvikter
I den här övningen ska du ta reda på vilka särdrag som var mest prediktiva enligt den slumpskogsregressorn rf som du tränade i en tidigare övning.
För det ändamålet ritar du ett horisontellt stapeldiagram över särdragsvikterna som beräknats av rf. Det är enkelt att göra tack vare pandas inbyggda plotfunktioner.
Vi har skapat ett pandas.Series-objekt kallat importances, där särdragsnamnen används som index och deras vikter som värden. Dessutom är matplotlib.pyplot tillgängligt som plt och pandas som pd.
Den här övningen är en del av kursen
Maskininlärning med trädbaserade modeller i Python
Övningsinstruktioner
Anropa metoden
.sort_values()påimportancesoch tilldela resultatet tillimportances_sorted.Anropa metoden
.plot()påimportances_sortedoch ange följande argument:kindtill'barh'colortill'lightgreen'
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a pd.Series of features importances
importances = pd.Series(data=rf.feature_importances_,
index= X_train.columns)
# Sort importances
importances_sorted = ____
# Draw a horizontal barplot of importances_sorted
____.____(____='____', ____='____')
plt.title('Features Importances')
plt.show()