Обчислення важливості ознак у random forests
Працюючи дата-сайєнтистом у консалтинговій фінансовій компанії, ви розробили класифікатор random forest, який класифікує людей за рівнем доходу. Тепер потрібно пояснити модель, проаналізувавши важливість ознак, щоб визначити ключові чинники прогнозування доходу. Це допоможе точніше сегментувати ринок і ухвалювати кращі стратегічні рішення.
matplotlib.pyplot імпортовано як plt. X_train і y_train уже завантажені для вас.
Ця вправа є частиною курсу
Пояснюваний ШІ в Python
Інструкції до вправи
- Витягніть важливості ознак з
model. - Побудуйте графік для
feature_importances.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)
# Derive feature importances
feature_importances = ____
# Plot the feature importances
____
plt.show()