python随机森林特征重要性,python随机森林分类模型

大家好，本文将围绕python随机森林特征重要性展开说明，python随机森林分类模型是一个很多人都想弄明白的事情，想搞清楚随机森林算法python代码需要先了解以下几个事情。

以下内容笔记出自‘跟着迪哥学python数据分析与机器学习实战’，外加个人整理添加，仅供个人复习使用。

---

这里以一个例子切入随机森林的建模，使用随机森林弯沉对天气最高温度的预测

1. 导入数据

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
import os
#os.chdir()

features=pd.read_csv(r'data\temps.csv')
print(features.shape)
features.head(2)

2. 数据探索

2.1 时间数据规范获取

import datetime

years=features['year']
months=features['month']
days=features['day']
#datetime格式
dates=[str(int(year))+'-'+str(int(month))+'-'+str(int(day))
      for year,month,day in zip(years,months,days)]
dates=[datetime.datetime.strptime(date,'%Y-%m-%d') for date in dates]

dates[:5]

[datetime.datetime(2016, 1, 1, 0, 0),
datetime.datetime(2016, 1, 2, 0, 0),
datetime.datetime(2016, 1, 3, 0, 0),
datetime.datetime(2016, 1, 4, 0, 0),
datetime.datetime(2016, 1, 5, 0, 0)]
逻辑是先将原数据中的时间变量组合，转化为时间格式，然后再分割成事件类型的数据怎么用python画圆弧。

2.2 时间序列作图

查看最高气温、前天、昨天、friend列的数据值

import seaborn as sns
fig,ax=plt.subplots(nrows=2,ncols=2,figsize=(10,8))
fig.auto