Ważność cech

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie

Mark Peterson

Director of Data Science, Infoblox

Ważność cech

Wartości określające, jak bardzo każda cecha wpływa na predykcję
Skuteczny sposób komunikowania wyników interesariuszom

Które cechy są kluczowymi czynnikami odejść?
Które cechy można usunąć z modelu?

Interpretowalność a dokładność

Różne modele mają różne mocne strony
Należy balansować między dokładnością predykcji a interpretowalnością

Ważność cech w lasach losowych

random_forest = RandomForestClassifier()

random_forest.fit(X_train, y_train)

random_forest.feature_importances_

array([0.02716028 0.02960326 0.13820047 0.0700711  0.03798189 0.04722036
 0.13258838 0.07066312 0.02333901 0.02982636 0.13711014 0.0300661
 0.06351097 0.02860241 0.0382932  0.05200864 0.04375429])

Czas na ćwiczenia!

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie