Quando si esegue il modello XGBoost, i dettagli di adattamento del modello generano una tabella di classificazione dell'importanza delle funzionalità. Quando si esegue il profiler e successivamente la classifica di importanza fornisce un'altra classifica delle variabili predittive. Qualcuno può spiegare questa diversa classificazione delle funzionalità nello stesso modello ML?
Quale classifica devo scegliere se voglio eseguire una selezione delle caratteristiche, la classifica del modello o la classifica del profiler?
Saluti,
Lu
