我有一个随机森林模型，我试图获取featureImportance向量。
Map<Object, Object> categoricalFeaturesParam = new HashMap<>();
scala.collection.immutable.Map<Object, Object> categoricalFeatures = (scala.collection.immutable.Map<Object, Object>)
scala.collection.immutable.Map$.MODULE$.apply(JavaConversions.mapAsScalaMap(categoricalFeaturesParam).toSeq());
int numberOfClasses = 2;
RandomForestClassifier rfc = new RandomForestClassifier();
RandomForestClassificationModel rfm = RandomForestClassificationModel.fromOld(model, rfc, categoricalFeatures, numberOfClasses);
System.out.println(rfm.featureImportances());
当我运行上面的代码时，我发现featureImportance为null。我是否需要设置具体的内容以获得随机森林模型的特征重要性。
尝试使用1.6版本的Spark，它在API中使用了numberOfFeatures第五个参数，但仍然将featureImportance设为null。
RandomForestClassifier rfc = getRandomForestClassifier（numTrees，maxBinSize，maxTreeDepth，seed，impurity）; RandomForestClassificationModel rfm = RandomForestClassificationModel.fromOld（model，rfc，categoricalFeatures，numberOfClasses，numberOfFeatures）; 的System.out.println（rfm.featureImportances（））;
堆栈跟踪： 线程＆＃34; main＆＃34;中的例外情况显示java.lang.NullPointerException 在org.apache.spark.ml.tree.impl.RandomForest $ .computeFeatureImportance（RandomForest.scala：1152） 在org.apache.spark.ml.tree.impl.RandomForest $$ anonfun $ featureImportances $ 1.apply（RandomForest.scala：1111） 在org.apache.spark.ml.tree.impl.RandomForest $$ anonfun $ featureImportances $ 1.apply（RandomForest.scala：1108） 在scala.collection.IndexedSeqOptimized $ class.foreach（IndexedSeqOptimized.scala：33） at scala.collection.mutable.ArrayOps $ ofRef.foreach（ArrayOps.scala：186） 在org.apache.spark.ml.tree.impl.RandomForest $ .featureImportances（RandomForest.scala：1108） at org.apache.spark.ml.classification.RandomForestClassificationModel.featureImportances $ lzycompute（RandomForestClassifier.scala：237） 在org.apache.spark.ml.classification.RandomForestClassificationModel.featureImportances（RandomForestClassifier.scala：237） 在com.markmonitor.antifraud.ce.ml.CheckFeatureImportance.main（CheckFeatureImportance.java:49）