ARI ile kümelemede özellik önemi

Önceki egzersizde çalıştığın ve X içinde önceden yüklenmiş olan müşteri veri kümesinde, her özelliğin kaldırılmasının küme atamalarına etkisini nicel olarak ölçmek için Adjusted Rand Index (ARI) metriğinden yararlan.

adjusted_rand_score() fonksiyonu ve column_names değişkeni senin için önceden yüklendi.

Bu egzersiz

Python ile Açıklanabilir AI

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

original_clusters içinde orijinal küme atamalarını türet.
For döngüsünde özellikleri teker teker kaldır ve sonucu X_reduced içinde sakla.
K-means'i X_reduced üzerinde uygulayarak reduced_clusters'ı elde et.
reduced_clusters ile original_clusters arasındaki ARI'ya göre özellik importance değerini hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

kmeans = KMeans(n_clusters=5, random_state=10, n_init=10).fit(X)
# Derive original clusters
original_clusters = ____

for i in range(X.shape[1]):
  	# Remove feature at index i
    X_reduced = ____
    # Derive reduced clusters
    reduced_clusters = ____
    # Derive feature importance
    importance = ____
    print(f'{column_names[i]}: {importance}')

Kodu Düzenle ve Çalıştır