Python - Scikit kategorik değişkenler için değişken öneme sahip

Question

Birkaç farklı sınıflandırıcı problemi (RF, GBM, vb.) Yapmak için pcihon'da scikit öğrenmeyi kullanmaya çalışıyorum. Modeller oluşturmaya ve tahmin yapmaya ek olarak, değişken önemi görmek isterim. Ben sahasını ABD'ye

importances = clf.feature_importances_ 
print(importances) 

ama almanın bir yolu olduğunu biliyorum nasıl bir kategorik değişken var özellikle bir şey daha değişken adı (yani R summary(gbm) veya R varImp(randomForest)) bağlı öneme sahip olduğunu rafine alırım çoklu seviyeleri ile?

Answer 1

Modelinize uyduğunuz tüm özellikler için değişken önem (veya özellik önemi) hesaplanır. Bu sahte kod ilgili olabilir size ne kadar değişken isimleri ve önemi hakkında bir fikir verir:

import pandas as pd 

train = pd.read_csv("train.csv") 
cols = ['hour', 'season', 'holiday', 'workingday', 'weather', 'temp', 'windspeed'] 
clf = YourClassifiers() 
clf.fit(train[cols], train.targets) # targets/labels 

print len(clf.feature_importances_) 
print len(cols) 

Basılan iki liste uzunlukları aynı olduğunu göreceksiniz - aslında listeleri birlikte harita veya Onlara nasıl istersen onu yönlendir. Eğer bir arsa içinde güzel değişken önemini göstermek istiyorsanız, bu kullanabilirsiniz: Bu yöntemi (eğer tüm sütunları uydurma olduğunu anlam kullanmak istemiyorsanız

import numpy as np 
import matplotlib.pyplot as plt 

plt.figure(figsize=(6 * 1.618, 6)) 
index = np.arange(len(cols)) 
bar_width = 0.35 
plt.bar(index, clf.feature_importances_, color='black', alpha=0.5) 
plt.xlabel('features') 
plt.ylabel('importance') 
plt.title('Feature importance') 
plt.xticks(index + bar_width, cols) 
plt.tight_layout() 
plt.show() 

, tıpkı birkaç seçilmemiş cols değişkeninde ayarlanır), daha sonra train.columns.values ile verilerinizin sütun/özellik/değişken adlarını alabilir (ve bu listeyi değişken önem listesiyle birlikte eşleştirebilir veya başka bir şekilde değiştirebilirsiniz).