scikit-learn - 在 PLS 模型中查找每个原始描述符的整体贡献

Question

scikit-learn 的新手。我正在使用 v 20.2。我正在开发 PLS 回归模型。我想知道每个原始预测变量/描述符在预测响应中的重要性。scikit-learn 为学习的 PLS 模型（X_loadings、X_weights 等）返回的不同矩阵为每个 PLS 组件提供了与描述符相关的值。但我正在寻找一种方法来计算/可视化模型中每个特征的整体重要性/贡献。有人可以帮我吗？此外，哪些矩阵向我显示了分配给最终线性模型中每个 PLS 组件的系数？

谢谢，雅尼克

标签： scikit-learnregressionsklearn-pandas

Answer 1

模型的 coef_ 函数应该给出每个描述符对响应变量的贡献。