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！！！