特征重要性
尽管某些糖果属性（例如是否含巧克力）可能非常受欢迎，但这并不意味着它们对模型预测一定「重要」。在拟合完随机森林模型后，您可以查看模型的 .feature_importances_ 属性，以了解哪些变量影响最大。您可以使用 enumerate() 遍历特征重要性数组，检查每个变量在模型中的重要程度。
如果您对 Python 的 enumerate() 函数不熟悉：它可以在遍历列表的同时自动生成计数器。
本练习是课程的一部分
Python 中的模型验证
练习说明
- 遍历
rfr的特征重要性输出。 - 打印
X_train的列名以及对应列的重要性分数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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[____], ____))