Какой метод оценки важности признаков наиболее надёжен для моделей на основе деревьев?

Варианты ответа

• Permutation importance: случайно перемешивает значения признака и измеряет падение метрики. Работает на любой модели, учитывает взаимодействия, не зависит от внутренней структуры
• Встроенная feature_importances_ всегда лучше, так как учитывает структуру дерева
• Корреляция признака с таргетом — самый точный метод
• Важность признаков не нужна — используйте все доступные признаки

Разбор ответа

Получить доступ к ответам — все вопросы →

Похожие вопросы из категории «ML»

• Как диагностировать переобучение модели и какие приёмы помогают его предотвратить?
• Перечислите основные способы регуляризации и объясните, когда применять каждый.
• Объясните разницу между precision и recall.
• Как выбрать между ROC-AUC и PR-AUC для оценки модели классификации?
• В чём принцип градиентного бустинга и почему он так популярен в продуктовой аналитике?