Python中每列值的随机森林特征重要性

Posted 2023-03-12

【中文标题】Python中每列值的随机森林特征重要性

【英文标题】：Random Forest feature importance per value of a column in Python

【发布时间】：2021-05-13 07:03:18

【问题描述】：

我目前有一个包含大量社区（样本）的数据集。还有一列称为“市政”，其中包含该社区所属的自治市的名称。我做了一个随机森林回归器来根据许多特征预测荷兰的能源消耗（当然“市政”列没有用作特征，也不是一个类）。

Sklearn 有一个特征重要性函数，但这是针对整个训练数据集的。我想知道是否可以查看每个城市的哪些特征对训练模型最重要。我想看看能否找到各个城市的特征重要性之间的空间差异。

首先我想，也许我可以为训练数据中的每个样本查看哪些特征最重要，然后总结来自同一城市的所有样本（社区）。但是我在谷歌上找不到这样的东西。

希望有人能提供帮助。

谢谢！

【参考方案1】：

获得训练模型的特征重要性。您不能根据一个列特征来要求重要性特征，因为它会自动使用训练模型的所有特征。

一个想法是为每一类邻域训练一个模型。然后，您将获得每个类的特征重要性列表并进行比较。当然，只有当不同类的数量相对较少时，您才能这样做。

【讨论】：

谢谢，我试试看：)

【参考方案2】：

第一个：根据您想要的功能分离您的数据，例如：

data1 = data[np.where(municipality==a)]

data2 = data[np.where(municipality==b)]

现在训练您的数据并根据 municipality 的任何内容查看重要性。要比较重要性，只需查看clf.feature_importance 结果并进行比较。

为了更好的答案，写出更好的问题