scikit-learn - RandomForestRegressor,特征重要性
问题描述
我使用随机森林回归器并具有 43 个特征。当我运行以下代码时:
print(clf.feature_importances_)
我得到下一个结果:
[0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
我了解多少,我的随机森林模型只使用一个特征来预测结果?
不管好不好?
解决方案
根据标签值绘制每个特征,并手动查看模型正在查看的内容以分析您的结果。还要检查模型的准确性,如果它不是很高,这也可能是您看到奇怪结果的原因。
推荐阅读
- antlr4 - 在 Antlr4 中解析 C 预处理器语句,以注释结尾
- java - 更改 PDF 文件中轮廓(书签)的缩放级别
- python - 什么可以为大型数据集提供更好的性能?嵌套字典还是对象字典?
- python - 始终为空的聚合 django elasticsearch
- javascript - 使用 javascript 更改 flexbox 中的 CSS 样式
- github-pages - 如何获得 github 页面来提供像 RFC5785 的 /.well-known/ 这样的点文件?
- c++ - 之前第一次使用 scp -r 并且我不断收到错误“主机密钥验证错误”
- ssh - 从 bash 脚本关闭 ssh 连接
- javascript - TypeError:fs.createReadStream 不是函数
- android - Android Google Map 自定义标记从 URL 加载图像