Beim Ausführen des XGBoost-Modells generieren die Anpassungsdetails des Modells eine Feature-Importance-Ranking-Tabelle. Beim Ausführen des Profilers und anschließender Wichtigkeitsrangfolge ergibt sich eine weitere Rangfolge der Prädiktorvariablen. Kann jemand diese unterschiedliche Rangfolge der Features im selben ML-Modell erklären?
Welches Ranking muss ich wählen, wenn ich eine Merkmalsauswahl durchführen möchte, das Model-Ranking oder das Profiler-Ranking?
Grüße,
Lu
