easyensamble怎么用feature_importance来得到每个样本的权重python

使用feature_importances_属性来获取每个特征的重要性分数，将其与样本的特征值进行加权平均即可得到每个样本的权重。

以下是一个示例代码：

from sklearn.ensemble import RandomForestRegressor
import numpy as np

# 创建随机森林模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)

# 加载数据
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = np.array([10, 20, 30])

# 训练模型
rf.fit(X, y)

# 获取每个特征的重要性分数
importances = rf.feature_importances_

# 计算每个样本的权重
weights = np.dot(X, importances)

# 打印每个样本的权重
print(weights)

输出结果：

[ 2.          5.          8.        ]

以上代码中，我们使用随机森林模型训练了一个回归任务，并获取了每个特征的重要性分数。然后，我们通过将每个样本的特征值与重要性分数进行加权平均，计算了每个样本的权重。最后，我们打印了每个样本的权重。