Features Importance

Setelah kita membuat model dari machine learning, mungkin kita perlu melakukan tuning lebih lanjut dengan membuang feature yang sebetulnya tidak memiliki andil dalam prediksi.

Gunakan .feature_importances_ untuk mendapatkan list feature dari model dan andilnya dalam memprediksi value.

Program sederhana dibawah adalah contoh, ganti isi variable feature_labels dan nama_model.pkl sesuai dengan model yang akan diuji.

import numpy as np
from sklearn.externals import joblib

feature_labels = np.array(['namafield1', 'namafield2'])
model = joblib.load('nama_model.pkl')

importance = model.feature_importances_

feature_indexes_by_importance = importance.argsoft()

for index in feature_indexes_by_importance:
    print("{} = {:.2f}%".format(feature_labels[index], (importance[index]*100.0)))