machine-learning - 回归模型的特征显着性检验，例如 Lasso

Question

我不是在这里谈论功能选择。想象一下，你已经选择了你的模型（任何回归模型）和你的特征并且对你所拥有的感到满意，并且你想做回归。在进行回归之后，您希望对您的特征进行显着性测试，以查看哪个特征在您的回归模型中总体上更重要。

据我所知，Scikit-Learn/Tensorflow 中没有用于执行此操作的命令，对于任何回归模型，如果您知道，请纠正我。仅对于随机森林，您可以获得如下：

regr_rf = RandomForestRegressor(n_estimators=10, max_depth=max_depth, random_state=10)
regr_rf.fit(X_train, Y_train)
importances = list(regr_rf.feature_importances_)
print("features importance is", importance)

那么对于其他回归模型手动执行此操作的最佳方法是什么？想要一个接一个地删除功能并成为一种方法吗？

标签： machine-learningscikit-learnregression