КМ.10/24.7/11.7/10.Задача 1

Выведите на экран таблицу с важностями признаков:

1. Обучите модель с лучшими гиперпараметрами после случайного поиска:

• минимальное количество объектов для разбиения — 9,
• минимальное количество объектов в листе — 10,
• максимальная глубина — 7.

2. Сформируйте таблицу важности признаков.

# импортируем библиотеки и объявляем константы
import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeClassifier

RANDOM_STATE = 42

# подготавливаем данные заранее созданной функцией
# в код добавили кодирование ранговых и неранговых переменных, удаление утечки данных
X_train, X_test, y_train, y_test = prepare_data('railway_full.csv')

# инициализируйте модель дерева решений с лучшими гиперпараметрами
model = DecisionTreeClassifier(min_samples_split = 9,
                               min_samples_leaf = 10,
                               max_depth = 7,
                               random_state = RANDOM_STATE
                              )

# обучаем модель
model.fit(X_train, y_train)

# сформируйте таблицу важности признаков
feature_importances = pd.DataFrame(
    {
        'Feature': X_train.columns,
        'Importance': model.feature_importances_
    })

# сортируем таблицу по важности — от большей к меньшей
print(feature_importances.sort_values('Importance', ascending=False))