Einführung
In diesem Lab werden wir die Permutation Feature Importance-Methode kennenlernen, die eine Modellüberprüfungstechnik ist, die verwendet wird, um die Wichtigkeit von Merkmalen in einem prädiktiven Modell zu bestimmen. Diese Technik kann besonders nützlich für nichtlineare oder undurchsichtige Modelle sein, die schwer zu interpretieren sind.
Tipps für die VM
Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu öffnen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.
Skills Graph
%%%%{init: {'theme':'neutral'}}%%%%
flowchart RL
sklearn(("Sklearn")) -.-> sklearn/CoreModelsandAlgorithmsGroup(["Core Models and Algorithms"])
sklearn(("Sklearn")) -.-> sklearn/ModelSelectionandEvaluationGroup(["Model Selection and Evaluation"])
sklearn(("Sklearn")) -.-> sklearn/UtilitiesandDatasetsGroup(["Utilities and Datasets"])
ml(("Machine Learning")) -.-> ml/FrameworkandSoftwareGroup(["Framework and Software"])
sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/linear_model("Linear Models")
sklearn/ModelSelectionandEvaluationGroup -.-> sklearn/inspection("Inspection")
sklearn/UtilitiesandDatasetsGroup -.-> sklearn/datasets("Datasets")
ml/FrameworkandSoftwareGroup -.-> ml/sklearn("scikit-learn")
subgraph Lab Skills
sklearn/linear_model -.-> lab-71127{{"Permutationsmerkmalwichtigkeit"}}
sklearn/inspection -.-> lab-71127{{"Permutationsmerkmalwichtigkeit"}}
sklearn/datasets -.-> lab-71127{{"Permutationsmerkmalwichtigkeit"}}
ml/sklearn -.-> lab-71127{{"Permutationsmerkmalwichtigkeit"}}
end