给没有时间浪费的数据科学家的快速回答:
将特征重要性加载到按列名称索引的 pandas 系列中,然后使用其绘图方法。对于分类器model
训练使用X
:
feat_importances = pd.Series(model.feature_importances_, index=X.columns)
feat_importances.nlargest(20).plot(kind='barh')
稍微详细一点的答案和完整的例子:
假设您使用 pandas 数据框中包含的数据训练模型,如果您将特征重要性加载到 pandas 的系列中,那么这相当轻松,然后您可以利用其索引来轻松显示变量名称。情节论证kind='barh'
给了我们一个水平条形图,但你可以很容易地用这个参数代替kind='bar'
如果您愿意,可以使用沿 x 轴显示特征名称的传统条形图。
nlargest(n)
是一个 pandas Series 方法,它将返回具有最大序列的子集n
价值观。如果您的模型中有很多特征并且您只想绘制最重要的特征,那么这非常有用。
使用经典 Kaggle Titanic 数据集的快速完整示例...
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
%matplotlib inline # don't forget this if you're using jupyter!
X = pd.read_csv("titanic_train.csv")
X = X[['Pclass', 'Age', 'Fare', 'Parch', 'SibSp', 'Survived']].dropna()
y = X.pop('Survived')
model = RandomForestClassifier()
model.fit(X, y)
(pd.Series(model.feature_importances_, index=X.columns)
.nlargest(4)
.plot(kind='barh')) # some method chaining, because it's sexy!
这会给你这个: