Évaluation de l'importance des caractéristiques avec Random Forest - Platform For AI

L'évaluation de l'importance des caractéristiques avec Random Forest analyse la contribution de chaque caractéristique aux résultats de prédiction d'un modèle de forêt aléatoire. Elle détermine l'importance des caractéristiques en calculant la diminution moyenne de l'impureté pour chaque caractéristique dans l'ensemble des arbres de décision, ou en utilisant l'importance par permutation. Ce processus identifie les caractéristiques ayant l'impact le plus significatif sur les performances du modèle.

Configuration du composant

Méthode 1 : Interface graphique

Dans Machine Learning Designer, ajoutez le composant Random Forest Feature Importance Evaluation à votre pipeline et configurez ses paramètres dans le volet de droite :

Onglet	Paramètre	Description
Paramètres des champs	Colonnes de caractéristiques	Les colonnes de caractéristiques à utiliser depuis la table d'entrée. Ce paramètre est facultatif. Par défaut, toutes les colonnes sauf la colonne d'étiquette sont sélectionnées.
Paramètres des champs	Colonne cible	Obligatoire.
Paramètres	Cœurs de calcul parallèle	Le nombre de cœurs pour le calcul parallèle.
Paramètres	Taille de la mémoire par cœur	La taille de la mémoire par cœur, en Mo.

Méthode 2 : Commande PAI

Configurez le composant Random Forest Feature Importance Evaluation en exécutant une commande PAI dans le composant SQL Script. Pour plus d'informations, consultez la rubrique Scénario 4 : Exécuter des commandes PAI dans le composant SQL Script.

pai -name feature_importance -project algo_public
    -DinputTableName=pai_dense_10_10
    -DmodelName=xlab_m_random_forests_1_20318_v0
    -DoutputTableName=erkang_test_dev.pai_temp_2252_20319_1
    -DlabelColName=y
    -DfeatureColNames="pdays,previous,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed,age,campaign,poutcome"
    -Dlifecycle=28 ;

Paramètre

Obligatoire

Valeur par défaut

Description

inputTableName

Oui

Aucune

Le nom de la table d'entrée.

outputTableName

Oui

Aucune

Le nom de la table de sortie.

labelColName

Oui

Aucune

Le nom de la colonne d'étiquette dans la table d'entrée.

modelName

Oui

Aucune

Le nom du modèle d'entrée.

featureColNames

Non

Toutes les colonnes sauf la colonne d'étiquette

Les colonnes de caractéristiques à utiliser depuis la table d'entrée.

inputTablePartitions

Non

La table entière

Les partitions à utiliser depuis la table d'entrée.

lifecycle

Non

Non spécifié

Le cycle de vie de la table de sortie.

coreNum

Non

Calculé automatiquement

Le nombre de cœurs.

memSizePerCore

Non

Calculé automatiquement

La taille de la mémoire par cœur, en Mo.

Exemple

Utilisez une instruction SQL pour générer des données d'entraînement.

Cet exemple crée une table nommée pai_dense_10_10 en sélectionnant des colonnes spécifiques et les 10 premières lignes de la table bank_data. Vous pouvez créer une table en fonction de vos besoins métier réels.
```
drop table if exists pai_dense_10_10;
create table pai_dense_10_10 as
select
    age,campaign,pdays, previous, poutcome, emp_var_rate, cons_price_idx, cons_conf_idx, euribor3m, nr_employed, y
from bank_data limit 10;
```
Construisez le pipeline. Pour plus d'informations, consultez la rubrique Pipelines personnalisés.

Définissez y comme colonne d'étiquette et toutes les autres colonnes comme colonnes de caractéristiques. Pour le paramètre Columns Forced to Convert, sélectionnez age et campaign afin de les traiter comme des caractéristiques énumérées. Conservez les valeurs par défaut pour tous les autres paramètres.

Exécutez le pipeline et consultez les résultats. La sortie suivante affiche les valeurs d'importance des caractéristiques générées par le composant Random Forest Feature Importance Evaluation.

colname                gini                        entropy
age                    0.06625000000000003          0.13978726292803723
campaign               0.00175000000000003          0.00434851554559677
cons_conf_idx          0.01399999999999999          0.0290840949701885
cons_price_idx         0.002                        0.00498044991346125
emp_var_rate           0.01470000000000003          0.0267863068026093
euribor3m              0.06300000000000003          0.132193634884603
nr_employed            0.10499999999999998          0.220322724807673
pdays                  0.0845                       0.177503292343975
poutcome               0.03360000000000001          0.070503271938455
previous               0.01770000000000004          0.038103810058015

Une fois l'exécution terminée, cliquez avec le bouton droit sur le composant Random Forest Feature Importance Evaluation et sélectionnez View Analytics Report.