ПочатиПочніть безкоштовно

Важливості ознак

Хоча деякі характеристики цукерок, наприклад шоколад, можуть бути надзвичайно популярними, це не означає, що вони будуть важливими для прогнозу моделі. Після навчання моделі випадкового лісу ви можете переглянути атрибут моделі .feature_importances_, щоб побачити, які змінні мали найбільший вплив. Ви можете перевірити, наскільки важливою була кожна змінна в моделі, пройшовшись циклом по масиву важливостей ознак за допомогою enumerate().

Якщо ви не знайомі з функцією enumerate() у Python, вона дає змогу ітеруватися списком і водночас автоматично лічити елементи.

Ця вправа є частиною курсу

Валідація моделей у Python

Переглянути курс

Інструкції до вправи

  • Переберіть у циклі вихідні значення важливостей ознак моделі rfr.
  • Надрукуйте назви стовпців з X_train і бал важливості для кожного стовпця.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Fit the model using X and y
rfr.fit(X_train, y_train)

# Print how important each column is to the model
for i, item in enumerate(rfr.____):
      # Use i and item to print out the feature importance of each column
    print("{0:s}: {1:.2f}".format(X_train.columns[____], ____))
Редагувати та запускати код