今天的內容會帶大家了解
1. 樹狀模型的特徵重要性,可以分為哪三種
2. sklearn 樹狀模型的特徵重要性與 Xgboost 的有何不同
3. 特徵工程中,特徵重要性本身的重要性是什麼
樹狀模型的特徵重要性,可以分為分支次數、特徵覆蓋度、損失函數降低量三種
sklearn 樹狀模型與 Xgboost 的特徵重要性
最大差異就是在 sklearn 只有精準度最低的「分支次數」
特徵重要性本身的重要性,是在於本身是增刪特徵的重要判定準則
在領域知識不足時,成為改善模型的最大幫手
有了大概的理解之後,我們開始今天的學習吧!!!