使用決策樹計算特徵重要度
你已使用 heart disease 資料集建立一個決策樹分類器，用來識別有心臟疾病風險的病患。現在你需要透過分析特徵重要度來解釋模型，找出用於預測心臟疾病的關鍵因素，從而設計更精準的醫療介入。
matplotlib.pyplot 已以 plt 匯入。X_train 與 y_train 已為你預先載入。
本練習屬於課程
Python 的 Explainable AI
練習說明
- 從
model擷取特徵重要度。 - 針對給定的
feature_names繪製feature_importances。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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()