परिवर्तनीय महत्व (या विशेषता महत्व) की गणना उन सभी सुविधाओं के लिए की जाती है जिन्हें आप अपना मॉडल फिट कर रहे हैं। इस छद्म कोड है आप कैसे चर नाम और महत्व की एक विचार देता है संबंधित हो सकता है:
import pandas as pd
train = pd.read_csv("train.csv")
cols = ['hour', 'season', 'holiday', 'workingday', 'weather', 'temp', 'windspeed']
clf = YourClassifiers()
clf.fit(train[cols], train.targets) # targets/labels
print len(clf.feature_importances_)
print len(cols)
आपको लगता है कि दो सूचियों मुद्रित किया जा रहा की लंबाई समान हैं देखेंगे - आप अनिवार्य रूप से सूचियों को एक साथ मैप कर सकते हैं या उन्हें कैसे कुशल बनाना चाहते हैं। यदि आप एक साजिश में अच्छी तरह से चर महत्व दिखाना चाहते हैं, तो आप इस इस्तेमाल कर सकते हैं:
import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize=(6 * 1.618, 6))
index = np.arange(len(cols))
bar_width = 0.35
plt.bar(index, clf.feature_importances_, color='black', alpha=0.5)
plt.xlabel('features')
plt.ylabel('importance')
plt.title('Feature importance')
plt.xticks(index + bar_width, cols)
plt.tight_layout()
plt.show()
आप इस विधि (जिसका अर्थ है कि आप सभी स्तंभों फिटिंग कर रहे हैं का उपयोग नहीं करना चाहते हैं, नहीं बस के रूप में कुछ चुने हुए cols
चर में सेट करें), तो आप train.columns.values
के साथ अपने डेटा के कॉलम/फीचर/वेरिएबल नाम प्राप्त कर सकते हैं (और फिर इस सूची को परिवर्तनीय महत्व सूची के साथ एक साथ मैप करें या किसी अन्य तरीके से हेरफेर करें)।
[इस उदाहरण भूखंडों सुविधा महत्व] (http://scikit-learn.org/0.13/auto_examples/ensemble/plot_forest_importances.html#example-ensemble-plot-forest-importances-py)। क्या आप इसे और अधिक स्पष्ट कर सकते हैं कि आप क्या चाहते हैं ("अधिक परिष्कृत") - शायद इस उदाहरण में क्या नहीं दिखाया गया है? – AGS