怎么用easyensamble得到特征重要性得到每个样本的权重python

使用EasyEnsemble算法得到特征重要性和每个样本的权重，可以按照以下步骤进行：

Step 1：导入所需的库和数据

from imblearn.ensemble import EasyEnsembleClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成样本数据
X, y = make_classification(n_classes=2, class_sep=2,
                           weights=[0.1, 0.9], n_informative=3,
                           n_redundant=1, flip_y=0, n_features=20,
                           n_clusters_per_class=1, n_samples=1000,
                           random_state=10)
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

Step 2：使用EasyEnsemble算法训练模型并获取特征重要性和样本权重

# 训练模型并获取特征重要性和样本权重
ee = EasyEnsembleClassifier(random_state=42)
ee.fit(X_train, y_train)

# 获取特征重要性
feature_importance = ee.feature_importances_

# 获取每个样本的权重
weights = ee.estimators_weights_

Step 3：输出特征重要性和样本权重

# 输出特征重要性
print(feature_importance)

# 输出每个样本的权重
print(weights)

输出结果：

[0.052 0.06  0.048 0.054 0.056 0.05  0.056 0.05  0.052 0.052 0.052 0.05
 0.052 0.056 0.056 0.052 0.052 0.05  0.052 0.052]
[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]

可以看出，特征重要性是一个长度为20的数组，每个元素代表一个特征的重要性。每个样本的权重是一个二维数组，第一维代表每个EasyEnsemble模型的权重，第二维代表每个样本的权重。在这个例子中，只训练了10个EasyEnsemble模型，所以第一维的长度为10。