以下是使用Iris数据集的问题的简单示例 . 当我试图理解如何计算特征重要性以及在使用 export_graphviz
可视化估算器的森林时这是如何可见时,我感到困惑 . 这是我的代码:
import pandas as pd
import numpy as np
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
data = load_iris()
X = pd.DataFrame(data=data.data,columns=['sepallength', 'sepalwidth', 'petallength','petalwidth'])
y = pd.DataFrame(data=data.target)
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier(n_estimators=2,max_depth=1)
rf.fit(X_train,y_train.iloc[:,0])
分类器表现不佳(得分为0.68),因为森林中包含2棵深度为1的树 . 无论如何这在这里无关紧要 .
检索功能重要性如下:
importances = rf.feature_importances_
std = np.std([rf.feature_importances_ for tree in rf.estimators_],axis=0)
indices = np.argsort(importances)[::-1]
print("Feature ranking:")
for f in range(X.shape[1]):
print("%d. feature %s (%f)" % (f + 1, X.columns.tolist()[f], importances[indices[f]]))
输出是:
Feature ranking:
1. feature sepallength (1.000000)
2. feature sepalwidth (0.000000)
3. feature petallength (0.000000)
4. feature petalwidth (0.000000)
现在显示使用以下代码构建的树的结构:
from sklearn.tree import export_graphviz
export_graphviz(rf.estimators_[0],
feature_names=X.columns,
filled=True,
rounded=True)
!dot -Tpng tree.dot -o tree0.png
from IPython.display import Image
Image('tree0.png')
我得到了这两个数字
- 树#0的导出:
- 树#1的出口:
我无法理解 sepallength
如何在两个树中使用 importance=1 but not be used 进行节点分割(仅使用 petallength
),如图所示 .
1 回答
你有一个错误
如果您使用
indices = np.argsort(importances)[::-1]
进行置换,则需要置换所有内容 - 不要根据一个顺序保留标签,并根据不同的顺序保留重要性 .如果你替换上面的
那么森林及其树木都同意索引2的特征是唯一具有任何重要性的特征 .