随机森林特征重要性输出的代码

以下是使用Python中的sklearn库实现随机森林特征重要性输出的代码：

from sklearn.ensemble import RandomForestRegressor
import pandas as pd

# 读取数据集
data = pd.read_csv('data.csv')

# 定义特征和目标变量
X = data.drop('target_variable', axis=1)
y = data['target_variable']

# 训练随机森林模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X, y)

# 输出特征的重要性
importances = list(rf.feature_importances_)
feature_importances = [(feature, round(importance, 2)) for feature, importance in zip(X.columns, importances)]
feature_importances = sorted(feature_importances, key = lambda x: x[1], reverse = True)
[print('Variable: {:20} Importance: {}'.format(*pair)) for pair in feature_importances]

在以上代码中，我们首先使用pandas库读取数据集，然后定义特征和目标变量。接着，我们训练随机森林模型，并使用feature_importances_属性获取每个特征的重要性。最后，我们按照重要性降序排列并输出结果。