获取数据框字典的特征重要性

Posted 2023-03-12

【中文标题】获取数据框字典的特征重要性

【英文标题】：Get feature importances for dictionary of dataframes

【发布时间】：2019-06-11 12:13:22

【问题描述】：

我目前正在使用RandomForestRegressor 处理一个用例。要基于一列分别获取训练和测试数据，假设 Home，数据框被拆分为字典。几乎完成了建模，但坚持获取字典中每个键的特征重要性（键数 = 21）。请看下面的代码：

hp = pd.get_dummies(hp)
hp = i: g for i, g in hp.set_index(["Home"]).groupby(level = [0])

feature = ; feature_train = ; feature_test = 
target = ; target_train = ; target_test = ; target_pred = 
importances = 

for k, v in hp.items():
    target[k] = np.array(v["HP"])
    feature[k] = v.drop(["HP", "Corr"], axis = 1)

feature_list = list(feature[1].columns)

for k, v in zip(feature, target):
    feature[k] = np.array(feature[v])
for k, v in zip(feature_train, target_train):
    feature_train[k], feature_test[k], target_train[k], target_test[k] = train_test_split(
            feature[v], target[v], test_size = 0.25, random_state = 42)

在Random Forest Feature Importance Chart using Python 的帮助下我尝试过的事情

for name, importance in zip(feature_list, list(rf.feature_importances_)):
    print(name, "=", importance)

但这仅打印一本字典的重要性（我不知道是哪个）。我想要的是为字典“重要性”中的所有键打印它。提前致谢！

【问题讨论】：

为什么“根据一列分别获取训练和测试数据，比如说 Home”？为什么不直接使用sklearn's train_test_split？很难判断你的代码中发生了什么。

【参考方案1】：

如果我理解正确，您希望特征对训练和测试数据的重要性。

这不是它的工作原理，首先它从您的训练数据中创建RandomForest，然后在该操作之后，它可以根据它用于分割空间的次数（以及“好”的程度）计算每个特征的重要性分裂，例如，对于许多树来说，基尼杂质有多低）。

因此，您可以获得特征对训练数据的重要性，对于测试数据，使用学习的树架构来预测值。