决策树绘制特征重要程度排名
时间: 2023-08-13 20:08:45 浏览: 71
要绘制决策树的特征重要程度排名,你可以使用 `DecisionTreeClassifier` 模型的 `feature_importances_` 属性来获取特征重要性得分。然后,你可以使用这些得分来绘制一个条形图来显示特征的重要程度排名。
以下是一个示例代码来实现这个过程:
```python
import matplotlib.pyplot as plt
import numpy as np
# 训练决策树模型
clf = DecisionTreeClassifier()
clf.fit(X, y)
# 获取特征重要性得分
importances = clf.feature_importances_
# 获取特征名称
feature_names = df.columns.tolist() # 假设你的数据是使用 Pandas 的 DataFrame 存储的
# 对特征重要性得分进行排序
indices = np.argsort(importances)[::-1]
# 绘制特征重要程度排名条形图
plt.figure(figsize=(10, 6))
plt.title("Feature Importance Ranking")
plt.bar(range(len(indices)), importances[indices])
plt.xticks(range(len(indices)), [feature_names[i] for i in indices], rotation=45)
plt.xlabel("Feature")
plt.ylabel("Importance")
plt.show()
```
通过以上代码,你可以获得一个特征重要程度排名的条形图,其中 x 轴表示特征名称,y 轴表示特征的重要性。请确保 `feature_names` 列表与数据的特征顺序一致,以正确地显示特征名称。