特征重要性评估及筛选

最新推荐文章于 2024-06-20 19:43:48 发布

弎见

最新推荐文章于 2024-06-20 19:43:48 发布

阅读量3.2k

点赞数 1

分类专栏：模板文章标签： python 特征重要性特征选择 cumsum

本文链接：https://blog.csdn.net/sanjianjixiang/article/details/104657955

版权

本文介绍了如何在sklearn库中计算特征重要性，并基于这些重要性进行特征选择。通过计算得出，达到95%重要性的特征数量为13个。在训练和测试数据集中，都选取了这13个最重要的特征，分别形成了(6622, 13)和(2839, 13)的特征矩阵。" 105746353,360260,ESP8266 Node MCU: 初学者指南 - WiFi控制LED,"['物联网', 'Arduino', 'ESP8266', '无线控制', '硬件编程']

摘要由CSDN通过智能技术生成

sklearn中特征重要性的计算方法

feature_results = pd.DataFrame({
   'feature': list(train_features.columns),
                               'importance': model.feature_importances_})
feature_results = feature_results.sort_values('importance',ascending=False).reset_index(drop=True)

from IPython.core.pylabtools import figsize
figsize(12, 10)
plt.style.use('ggplot'