เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแสดงภาพความสำคัญของฟีเจอร์

ในแบบฝึกหัดนี้ จะได้ตรวจสอบว่าฟีเจอร์ใดมีพลังในการพยากรณ์มากที่สุด ตามการประเมินของ random forests regressor rf ที่ฝึกไว้ในแบบฝึกหัดก่อนหน้า

เพื่อให้เห็นภาพชัดขึ้น จะวาดแผนภูมิแท่งแนวนอนแสดงความสำคัญของฟีเจอร์ตามที่ rf ประเมินไว้ ซึ่งทำได้สะดวกผ่านความสามารถด้านการพล็อตกราฟของ pandas

เราได้สร้างออบเจกต์ pandas.Series ชื่อ importances ไว้ให้แล้ว โดยมีชื่อฟีเจอร์เป็น index และค่าความสำคัญเป็น values นอกจากนี้ยังสามารถใช้ matplotlib.pyplot ในชื่อ plt และ pandas ในชื่อ pd ได้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with Tree-Based Models in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เรียกใช้เมธอด .sort_values() บน importances แล้วกำหนดผลลัพธ์ให้กับ importances_sorted

  • เรียกใช้เมธอด .plot() บน importances_sorted พร้อมกำหนดอาร์กิวเมนต์ดังนี้:

    • kind เป็น 'barh'
    • color เป็น 'lightgreen'

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด