Sklearn: feature importance из RandomForest

Условие задания

**Контекст:** Churn prediction model. PM спрашивает: «Какие фичи самые важные?».

**Данные:** sklearn.datasets.make_classification (готовый).

**Задание:**
1. Обучи RandomForestClassifier.
2. Извлеки feature_importances_.
3. Топ-5 наиболее важных, визуализируй (print).

Темы

sklearn random-forest feature-importance model-interpretability

Подсказки

• model.feature_importances_ — array of importances
• np.argsort(...)[::-1] — индексы по убыванию
• feature_names = [f"feat_{i}" for i in range(X.shape[1])]

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Sklearn: feature importance из RandomForest"?

Это задание для уровня Senior. Senior-уровень — глубокое понимание темы, опыт решения нестандартных задач, обсуждение trade-off на собеседовании.

На каких собеседованиях встречается такая задача?

Подобные задания в категории «Python» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: sklearn, random-forest, feature-importance, model-interpretability.

Сколько времени даётся на решение?

На реальном собеседовании на подобную задачу отводится 30-60 минут с обсуждением подходов, оптимизаций и trade-off. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.

Где ещё потренироваться по теме «Python»?

На zasqlpython.ru есть 530+ Python задачи с проверкой через Pyodide, конспекты Python и pandas, AI мок-собеседование с разбором ваших ответов.

← Все задания