Avaliação de importância de features do Random Forest - Platform For AI: Central de Documentação do Alibaba Cloud

A Avaliação de Importância de Features do Random Forest é um método para analisar a contribuição de cada feature nos resultados da previsão em um modelo de random forest. Esse processo determina a importância das features calculando a redução média da impureza para cada feature em todas as árvores de decisão ou utilizando a importância por permutação. Dessa forma, é possível identificar quais features têm maior impacto no desempenho do modelo.

Configuração do componente

Método 1: Interface gráfica

No Machine Learning Designer, adicione o componente Random Forest Feature Importance Evaluation ao seu pipeline e configure seus parâmetros no painel à direita:

Aba	Parâmetro	Descrição
Field Settings	Feature Columns	Colunas de features a serem utilizadas da tabela de entrada. Este parâmetro é opcional. Por padrão, todas as colunas exceto a coluna de rótulo são selecionadas.
Field Settings	Target Column	Obrigatório.
Parameter Settings	Parallel Computing Cores	Número de núcleos para computação paralela.
Parameter Settings	Memory Size per Core	Tamanho da memória por núcleo, em MB.

Método 2: Comando PAI

Configure o componente Random Forest Feature Importance Evaluation executando um comando PAI no componente SQL Script. Para mais informações, consulte Cenário 4: Executar comandos PAI no componente 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 ;

Parâmetro	Obrigatório	Padrão	Descrição
inputTableName	Sim	Nenhum	Nome da tabela de entrada.
outputTableName	Sim	Nenhum	Nome da tabela de saída.
labelColName	Sim	Nenhum	Nome da coluna de rótulo na tabela de entrada.
modelName	Sim	Nenhum	Nome do modelo de entrada.
featureColNames	Não	Todas as colunas exceto a coluna de rótulo	Colunas de features a serem utilizadas da tabela de entrada.
inputTablePartitions	Não	Tabela inteira	Partições a serem utilizadas da tabela de entrada.
lifecycle	Não	Não especificado	Ciclo de vida da tabela de saída.
coreNum	Não	Calculado automaticamente	Número de núcleos.
memSizePerCore	Não	Calculado automaticamente	Tamanho da memória por núcleo, em MB.

Exemplo

Gere dados de treinamento usando uma instrução SQL.

Este exemplo cria uma tabela chamada pai_dense_10_10 selecionando colunas específicas e as primeiras 10 linhas da tabela bank_data. Crie a tabela conforme suas necessidades reais de negócio.
```
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;
```
Construa o pipeline. Para mais informações, consulte Pipelines personalizados.

Defina y como a coluna de rótulo e todas as outras colunas como colunas de features. No parâmetro Columns Forced to Convert, selecione age e campaign para processá-las como features enumeradas. Mantenha os valores padrão para todos os outros parâmetros.

Execute o pipeline e visualize os resultados. A saída abaixo mostra os valores de importância das features gerados pelo componente 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

Após a conclusão da execução, clique em com o botão direito no componente Random Forest Feature Importance Evaluation e selecione View Analytics Report.