我在 sklearn 中使用 RandomForestClassifier 来确定数据集中的重要特征。我如何能够返回实际的功能名称（我的变量标记为 x1、x2、x3 等）而不是它们的相对名称（它告诉我重要的功能是“12”、“22”等）。下面是我当前用于返回重要功能的代码。
important_features = []
for x,i in enumerate(rf.feature_importances_):
if i>np.average(rf.feature_importances_):
important_features.append(str(x))
print important_features
此外，为了理解索引，我能够找出重要特征“12”实际上是什么（它是变量 x14）。当我将变量 x14 移动到训练数据集的 0 索引位置并再次运行代码时，它应该告诉我特征“0”很重要，但事实并非如此，就像它看不到该特征一样不再如此，列出的第一个功能实际上是我第一次运行代码时列出的第二个功能（功能“22”）。
我认为 feature_importances_ 实际上可能使用第一列（我在其中放置了 x14）作为训练数据集其余部分的 ID，因此在选择重要特征时忽略它。谁能解释一下这两个问题？预先感谢您提供的任何帮助。
EDIT
这是我存储功能名称的方式：
tgmc_reader = csv.reader(csvfile)
row = tgmc_reader.next() #Header contains feature names
feature_names = np.array(row)
然后我加载数据集和目标类
tgmc_x, tgmc_y = [], []
for row in tgmc_reader:
tgmc_x.append(row[3:]) #This says predictors start at the 4th column, columns 2 and 3 are just considered ID variables.
tgmc_y.append(row[0]) #Target column is the first in the dataset
然后继续将数据集分为测试部分和训练部分。
from sklearn.cross_validation import train_test_split
x_train, x_test, y_train, y_test = train_test_split(tgmc_x, tgmc_y, test_size=.10, random_state=33)
然后拟合模型
from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier(n_estimators=1, criterion='entropy', max_features=2, max_depth=5, bootstrap=True, oob_score=True, n_jobs=2, random_state=33)
rf = rf.fit(x_train, y_train)
然后返回重要的特征
important_features = []
for x,i in enumerate(rf.feature_importances_):
if i>np.average(rf.feature_importances_):
important_features.append((x))
然后我采纳了您的建议，该建议有效（非常感谢！）
important_names = feature_names[important_features > np.mean(important_features)]
print important_names
它确实返回了变量名称。
['x9' 'x10' 'x11' 'x12' 'x13' 'x15' 'x16']
所以你肯定解决了我的问题的一部分，这太棒了。但是当我回去打印我的重要特征的结果时
print important_features
它返回以下输出：
[12, 22, 51, 67, 73, 75, 87, 91, 92, 106, 125, 150, 199, 206, 255, 256, 275, 309, 314, 317]
我将此解释为它认为第 12、22、51 等变量是重要的变量。因此，这将是从我告诉它在代码开头索引观察值开始的第 12 个变量：
tgmc_x.append(row[3:])
这个解释正确吗？
如果这是正确的，当我将第 12 个变量移动到原始数据集中的第 4 列（我告诉它开始使用我刚刚引用的代码读取预测变量值）并再次运行代码时，我得到以下输出：
[22, 51, 66, 73, 75, 76, 106, 112, 125, 142, 150, 187, 191, 199, 250, 259, 309, 317]
这似乎不再识别该变量。此外，当我将相同的变量移动到原始数据集中的第五列时，输出如下所示：
[1,22, 51, 66, 73, 75, 76, 106, 112, 125, 142, 150, 187, 191, 199, 250, 259, 309, 317]
这看起来像是又认出来了。最后一件事，在我根据你的建议返回变量名称后，它给了我一个包含 7 个变量的列表。当我使用最初执行的代码返回重要变量时，它会给我一个更长的重要变量列表。为什么是这样？再次感谢您的所有帮助。对此，我真的非常感激！
