获取数据框字典的特征重要性
Posted
技术标签:
【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。
【讨论】:
以上是关于获取数据框字典的特征重要性的主要内容,如果未能解决你的问题,请参考以下文章