时间戳

首页 > 解决方案 > 在多输出随机森林回归器中获取特征重要性

python - 在多输出随机森林回归器中获取特征重要性

问题描述

我有一个多输出随机森林回归器，我想计算它的特征重要性

正如在其他问题中所读到的，有人说要计算估计器的特征重要性。我没有定义任何估算器，如下所示，我不知道它创建了多少。这（出于某种原因）没有引发异常，但是在运行下面的代码后，它说对象 MultiOutputRegressor 没有估计器，但它对 RFR 有。如果我尝试访问模型列表中的原始 RFR，则会收到异常“元组没有属性特征重要性”

此代码抛出一个

multioutput object has no attribute feature importance

m4 = MultiOutputRegressor(RandomForestRegressor())
m5 = m4.estimator[0]
feature_importances = pd.DataFrame(m4.feature_importances_, index = X_train.columns, columns=['importance']).sort_values('importance')
print(feature_importances)
feature_importances.plot(kind = 'barh')

此代码返回

tuple object has no feature importance

m4 = models[5]
#m5 = m4.estimator[0]
feature_importances = pd.DataFrame(m4.feature_importances_, index = X_train.columns, columns=['importance']).sort_values('importance')
print(feature_importances)
feature_importances.plot(kind = 'barh')

我之前只处理过分类问题，我希望能够以类似的方式显示特征重要性

标签： pythonscikit-learn

解决方案

m5 = m4.estimator[0]

替换.estimator[0]为.estimators_[0] 和替换m4.feature_importances_为m5.feature_importances_

打电话后

m4 = MultiOutputRegressor(RandomForestRegressor())

您应该使用适合一些数组，m4.fit(array1, array2)并且可以通过调用来查看估算器m4.estimators_。然后，您可以更进一步，并通过以下方式找到特征重要性m4.estimators_[0].feature_importances_

推荐阅读