sklearn:特征与树木森林的重要性

最新推荐文章于 2024-07-09 20:51:47 发布

女搬运工

最新推荐文章于 2024-07-09 20:51:47 发布

阅读量570

点赞数

分类专栏： sklearn

本文链接：https://blog.csdn.net/Dian1pei2xiao3/article/details/83793480

版权

此博客展示了如何利用树木森林来评估特征在人工分类任务中的重要性。内容提到，通过森林的特征重要性和树间变异性，确认了前3个特征对任务有显著贡献，其余特征信息量较小。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这个例子展示了使用树木森林来评估特征对人工分类任务的重要性。红色条是森林的特征重要性，以及它们的树间变异性。

正如预期的那样，该情节表明3个特征是提供信息的，而其余的则没有。

import numpy as np
import matplotlib.pyplot as plt

from sklearn.datasets import make_classification
from sklearn.ensemble import ExtraTreesClassifier

# Build a classification task using 3 informative features
X, y = make_classification(n_samples=1000,
                           n_features=10,
                           n_informative=3,
                           n_redundant=0,
                           n_repeated=0,
                           n_classes=2,
                           random_state=0,
                           shuffle=False)

# Build a forest and compute the feature importances
forest = ExtraTreesClassifier(n_estimators=250,
                              random_state=0)

forest.fit(X, y)
importances = forest.feature_importances_
std = np.std([t