Python - Scikit用于查找分类变量的重要性

Question

我正在尝试在Python中使用Scikit-learn来完成一些分类器问题（如RF、GBM等）。除了构建模型和进行预测外，我想查看变量的重要性。我知道有一种方法可以获取重要性。

importances = clf.feature_importances_
print(importances)

但是如何获得更精细的内容，使其与变量名称相关联（例如R中的summary(gbm)或varImp(randomForest)），特别是对于具有多个级别的分类变量而言？

- screechOwl

---

这个例子展示了特征重要性的图表。你能更明确地说明你想要什么（“更精细”）-也许这个例子没有显示的东西？ - AGS

Answer 1

变量重要性（或特征重要性）是针对您正在拟合模型的所有特征进行计算的。以下伪代码可以给您一个关于变量名称和重要性如何相关的想法：

import pandas as pd

train = pd.read_csv("train.csv")
cols = ['hour', 'season', 'holiday', 'workingday', 'weather', 'temp', 'windspeed']
clf = YourClassifiers()
clf.fit(train[cols], train.targets) # targets/labels

print len(clf.feature_importances_)
print len(cols)

你会发现被打印的两个列表的长度是相同的 - 你可以将它们映射在一起或按照自己的需求操纵它们。如果你想要以图表的方式展示变量的重要性，你可以使用以下代码：

import numpy as np
import matplotlib.pyplot as plt

plt.figure(figsize=(6 * 1.618, 6))
index = np.arange(len(cols))
bar_width = 0.35
plt.bar(index, clf.feature_importances_, color='black', alpha=0.5)
plt.xlabel('features')
plt.ylabel('importance')
plt.title('Feature importance')
plt.xticks(index + bar_width, cols)
plt.tight_layout()
plt.show()

如果你不想使用这种方法（这意味着你要适配所有列，而不仅仅是在cols变量中选择的几列），那么你可以通过使用train.columns.values获取数据中的列名/特征名/变量名（然后将此列表与变量重要性列表映射在一起或以其他方式操作）。

- kasparg