随机森林绘制特征重要性

以下是使用随机森林绘制特征重要性的Python代码示例：

from sklearn.ensemble import RandomForestRegressor
import matplotlib.pyplot as plt

# 假设X和y是我们的特征和目标变量
rf = RandomForestRegressor()
rf.fit(X, y)

# 绘制特征重要性
importances = rf.feature_importances_
std = np.std([tree.feature_importances_ for tree in rf.estimators_], axis=0)
indices = np.argsort(importances)[::-1]

plt.figure()
plt.title("Feature importances")
plt.bar(range(X.shape[1]), importances[indices], color="r", yerr=std[indices], align="center")
plt.xticks(range(X.shape[1]), indices)
plt.xlim([-1, X.shape[1]])
plt.show()

其中，`RandomForestRegressor`是随机森林回归模型，`feature_importances_`是特征重要性，`std`是每个特征重要性的标准差，`argsort`是将特征重要性从大到小排序，`plt.bar`是绘制条形图，`plt.xticks`是设置x轴刻度，`plt.xlim`是设置x轴范围。