permutation_importance代码

下面是使用scikit-learn库中的permutation_importance函数计算特征重要性的示例代码：

from sklearn.datasets import load_boston
from sklearn.ensemble import RandomForestRegressor
from sklearn.inspection import permutation_importance

# 加载波士顿房价数据集
boston = load_boston()
X, y = boston.data, boston.target

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

# 计算特征重要性
result = permutation_importance(rf, X, y, n_repeats=10, random_state=42)

# 输出特征重要性
for i in result.importances_mean.argsort()[::-1]:
    print(f"{boston.feature_names[i]:<8} "
          f"{result.importances_mean[i]:.3f}"
          f" +/- {result.importances_std[i]:.3f}")

其中，load_boston函数用于加载波士顿房价数据集，RandomForestRegressor类用于训练随机森林模型，permutation_importance函数用于计算特征重要性。n_repeats参数表示在计算特征重要性时，对每个特征进行多少次随机置换，random_state参数用于设置随机种子。最后，按特征重要性从高到低输出每个特征的重要性得分。