Särdragets viktighet
Även om vissa godisar, som choklad, kan vara extremt populära, betyder det inte att de är viktiga för modellens förutsägelser. När en slumpskogsmodell har tränats kan du granska modellens attribut .feature_importances_ för att se vilka variabler som hade störst påverkan. Du kan undersöka hur viktigt varje särdrag var i modellen genom att loopa över arrayen med särdragsvikter med hjälp av enumerate().
Om du inte är bekant med Pythons enumerate()-funktion: den kan loopa över en lista och samtidigt skapa en automatisk räknare.
Den här övningen är en del av kursen
Modellvalidering i Python
Övningsinstruktioner
- Loopa igenom utdata för särdragsvikter från
rfr. - Skriv ut kolumnnamnen i
X_trainoch viktighetspoängen för respektive kolumn.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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[____], ____))