เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณ feature importance ด้วย random forests

ในฐานะนักวิทยาศาสตร์ข้อมูลของบริษัทที่ปรึกษาด้านการเงิน คุณได้พัฒนา random forest classifier สำหรับจำแนกบุคคลตามระดับรายได้ ขั้นตอนต่อไปคือการอธิบายโมเดลด้วยการวิเคราะห์ feature importance เพื่อระบุปัจจัยสำคัญในการพยากรณ์รายได้ ซึ่งจะช่วยให้การแบ่งกลุ่มตลาดแม่นยำขึ้นและสนับสนุนการตัดสินใจเชิงกลยุทธ์ได้ดียิ่งขึ้น

matplotlib.pyplot ถูก import ไว้แล้วในชื่อ plt และมีการโหลด X_train กับ y_train ไว้ให้เรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Explainable AI ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ดึงค่า feature importances จาก model
  • พล็อตกราฟ feature_importances

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)

# Derive feature importances
feature_importances = ____

# Plot the feature importances
____
plt.show()
แก้ไขและรันโค้ด