Коэффициент признаков в решающей функции. случайный лес
Как я могу получить коэффициент функций в RandomForest(), например model.coef_ в логистической регрессии?
model = GridSearchCV(estimator=classifier, param_grid=grid_param,
scoring='roc_auc',
cv=5,
n_jobs=-1)
best_model= model.fit(X_train, y_train)
best_model.feature_importances_
Ответы 2
Неясно, какой фреймворк вы используете, или даже если вы используете фреймворк...
Но если вы используете sklearn, вы можете получить доступ к важности функции с помощью model.feature_importances_.
Random forest — это ансамбль decision trees, это не линейная модель. Sklearn обеспечивает важность отдельных функций, которые использовались для обучения классификатора случайного леса или регрессора. Доступ к нему можно получить следующим образом, и он возвращает массив десятичных знаков, сумма которых равна 1.
model.feature_importances_
Если вы хотите увидеть это в сочетании с именами функций, вы можете использовать zip(<feature names>, model.feature_importances_) и преобразовать его в list.
AttributeError: объект «GridSearchCV» не имеет атрибута «feature_importances_»
feature_importances_ является атрибутом RandomForestClassifier. Поскольку вы используете GridSearchCV, вы можете попробовать model.best_estimator_.feature_importances_. Кроме того, я предполагаю, что вы использовали RandomForestClassifier в качестве estimator.
Рад слышать :)
Что подразумевается под "не работает"? Что вы пробовали и какую ошибку вы получили?