Python随机森林计算特征重要性代码
时间: 2023-11-19 21:44:42 浏览: 163
随机森林特征选取代码,可应用于重要性特征选取和排序,代码运行顺畅+最后出图
要计算Python中随机森林的特征重要性,可以使用以下代码:
```
from sklearn.ensemble import RandomForestRegressor
import pandas as pd
# 训练模型
RF = RandomForestRegressor(n_estimators=100, max_depth=5, random_state=1234)
RF.fit(X_train, y_train)
# 获取特征重要性得分
feature_importances = RF.feature_importances_
# 创建特征名列表
feature_names = list(X.columns)
# 创建一个DataFrame,包含特征名和其重要性得分
feature_importances_df = pd.DataFrame({'feature': feature_names, 'importance': feature_importances})
# 对特征重要性得分进行排序
feature_importances_df = feature_importances_df.sort_values('importance', ascending=False)
```
请注意,代码中的`X_train`和`y_train`是训练数据的特征和目标变量,需要根据实际情况进行修改。另外,还需要导入相应的库(sklearn和pandas)。
阅读全文