ПочатиПочніть безкоштовно

Обчислення важливості ознак у деревах рішень

Ви побудували класифікатор на основі дерева рішень, щоб визначати пацієнтів із ризиком серцевих захворювань, використовуючи набір даних про серцеві хвороби. Тепер потрібно пояснити модель, проаналізувавши важливість ознак, щоб визначити ключові чинники прогнозування серцевих захворювань. Це допоможе планувати більш прицільні медичні втручання.

matplotlib.pyplot імпортовано як plt. X_train і y_train вже завантажені для вас.

Ця вправа є частиною курсу

Пояснюваний ШІ в Python

Переглянути курс

Інструкції до вправи

  • Витягніть важливості ознак з model.
  • Побудуйте графік feature_importances для заданих feature_names.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

# Derive feature importances
feature_importances = ____
feature_names = X_train.columns

# Plot the feature importances
____
plt.show()
Редагувати та запускати код