前言
再再再一次给你们植入思想钢印:数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。
好了,我们继续:
三、重要性评分
经过第二步的相关性分析,剩下的自变量(B、E、F、G、H、J、K、L、M、N、O、P和R)居然没有高度相关,所以,这一步不用了,散了散了,都怪我编的数据不够好。
还是介绍一下,一般来说评价特征重要性的常用模型有:Lasso回归、随机森林、Xgboost等,下面挑一些介绍。
(1)Lasso回归
太经典了,经典到我就不说了(因为我没做过),丢2个教程自学哈:
① https://blog.csdn.net/weixin_39707597/article/details/113085862 (用R)
② https://blog.csdn.net/sinat_41858359/article/details/124765520 (用python)
(2)随机森林
我习惯用RF,偏科严重,之前也介绍过了,唯一一点:全部数据都是训练集去训练模型,然后输出特征重要程度。
首先,建模:
import numpy as np
import matplotlib