Tầm quan trọng của đặc trưng
Thuộc phần Học có giám sát trong hành trình Machine Learning của Coddy. Bài học 30 trên 58.
Cây dựa vào những đặc trưng nào? feature_importances_ cho biết tỷ trọng của mỗi đặc trưng trong việc sắp xếp mà các câu hỏi của cây thực hiện, và tổng các tỷ trọng bằng 1:
Sắp xếp thành một Series, chúng tạo thành biểu đồ xếp hạng. ax.barh vẽ các thanh nằm ngang, giúp vừa các tên dài:
imp = pd.Series(tree.feature_importances_, index=iris.feature_names).sort_values()
ax.barh(imp.index, imp.values)Giá trị 0 có nghĩa là cây chưa bao giờ hỏi về đặc trưng đó. Các lá đài vẫn có thể quan trọng: những cánh hoa đã cho cây biết chúng sẽ làm gì.
Thử thách
Trung bìnhMột trường dạy lướt sóng muốn biết điều gì giúp người mới đứng được trên ván trong tuần đầu tiên. Chương trình đọc độ sâu, huấn luyện một cây có độ sâu đó rồi thiết lập biểu đồ.
- Đưa các mức độ quan trọng vào một Series, đặt tên theo đặc trưng và sắp xếp từ nhỏ nhất trước.
- In đặc trưng hàng đầu (3 chữ số thập phân) và các đặc trưng chưa từng được hỏi đến, như bên dưới.
- Vẽ chúng thành các thanh ngang rồi hiển thị.
Với một trường dạy bơi:
Top feature: pool_hours (0.612)
Never asked: ['goggles']Sau đó, Coddy mô tả biểu đồ của bạn. Biểu đồ của họ trông như sau:
Tự làm thử
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
depth = int(input())
# Mỗi hàng ứng với một người mới học: 1 trong standing nghĩa là họ đã đứng lên ván trong tuần đầu tiên
surf = pd.read_csv("surfschool.csv")
features = ["age", "fitness", "days_surfed", "skated_before", "lesson_hours", "wetsuit_fit"]
X_train, X_test, y_train, y_test = train_test_split(surf[features], surf["standing"], test_size=0.25, random_state=0)
tree = DecisionTreeClassifier(max_depth=depth, random_state=0)
tree.fit(X_train, y_train)
fig, ax = plt.subplots(layout="constrained") # chừa chỗ cho các tên dài
ax.set_title("What Gets Beginners Standing?")
ax.set_xlabel("Importance")
# Viết code của bạn bên dưới
Bài học này có một bài trắc nghiệm ngắn. Bắt đầu bài học để trả lời và theo dõi tiến độ.
Tất cả bài học trong Học có giám sát
1Mô hình đầu tiên của bạn
Học từ ví dụTập huấn luyện và tập kiểm traHuấn luyện và dự đoánChấm điểm mô hìnhÔn tập: Bộ sắp xếp hạt giống2Láng giềng gần nhất
Cách k-NN đưa ra quyết địnhChọn kRanh giới quyết địnhChuẩn hóa dữ liệu cho láng giềngÔn tập: láng giềng với dữ liệu rượu vang5Đánh giá bộ phân loại
Ma trận nhầm lẫnĐộ chính xác và độ thu hồiĐiểm F1Các lớp mất cân bằngĐường cong ROCÔn tập: Bài kiểm tra sàng lọc11Dự án: Các loài chim cánh cụt
Làm quen với chim cánh cụtChuẩn bị dữ liệuChọn mô hìnhTinh chỉnh mô hình tốt nhấtĐưa mô hình vào sử dụng3Hồi quy tuyến tính
Dự đoán các con sốNhiều đặc trưngĐo lường sai sốBiểu đồ phần dưÔn tập: Thuê xe đạp6Cây quyết định
Cây đặt câu hỏiĐọc câyĐộ sâu của câyTầm quan trọng của đặc trưngÔn tập: quyết định cho vay9Các mô hình tổ hợp
Rừng ngẫu nhiênVì sao rừng hoạt động hiệu quảTăng cường độ dốcÔn tập: Người kiểm lâm rừng12Thử thách cuối cùng
Tiến triển của bệnh tiểu đườngPhê duyệt tín dụngChữ số viết tayKhách hàng rời bỏTự luyện tập: Trình biên dịch Python online