Mức độ quan trọng của đặc trưng
Mặc dù một vài thuộc tính của kẹo, như chocolate, có thể rất phổ biến, nhưng điều đó không có nghĩa là chúng sẽ quan trọng đối với dự đoán của mô hình. Sau khi mô hình random forest đã được fit, bạn có thể xem thuộc tính .feature_importances_ của mô hình để biết biến nào có tác động lớn nhất. Bạn có thể kiểm tra mức độ quan trọng của từng biến trong mô hình bằng cách lặp qua mảng độ quan trọng đặc trưng bằng enumerate().
Nếu bạn chưa quen với hàm enumerate() của Python, nó có thể lặp qua một danh sách đồng thời tạo một bộ đếm tự động.
Bài tập này là một phần của khóa học
Xác thực Mô hình trong Python
Hướng dẫn bài tập
- Lặp qua đầu ra độ quan trọng đặc trưng của
rfr. - In tên các cột của
X_trainvà điểm quan trọng tương ứng cho cột đó.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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[____], ____))