如何用树木森林标记特征重要性？

Question

我使用sklearn绘制树木森林的特征重要性。数据框名为“heart”。这里是提取已排序功能列表的代码：

importances = extc.feature_importances_
indices = np.argsort(importances)[::-1]
print("Feature ranking:")

for f in range(heart_train.shape[1]):
    print("%d. feature %d (%f)" % (f + 1, indices[f], importances[indices[f]]))

然后我以这种方式绘制列表：

f, ax = plt.subplots(figsize=(11, 9))
plt.title("Feature ranking", fontsize = 20)
plt.bar(range(heart_train.shape[1]), importances[indices],
    color="b", 
    align="center")
plt.xticks(range(heart_train.shape[1]), indices)
plt.xlim([-1, heart_train.shape[1]])
plt.ylabel("importance", fontsize = 18)
plt.xlabel("index of the feature", fontsize = 18)

我得到一个这样的情节：

我的问题是：我怎么能用功能的名称替换功能的NUMBER才能使情节变得更容易理解？ 我试图转换包含要素名称的字符串（这是数据框每列的名称），但我无法达到目标。

由于

Answer 1

问题在于：

plt.xticks(range(heart_train.shape[1]), indices)

indices是从np.argsort(importances)[::-1]返回的索引数组，它没有要素名称您希望在X轴上显示为刻度线。

你需要这样的东西，假设df是你的Pandas DataFrame

feature_names = df.columns # e.g. ['A', 'B', 'C', 'D', 'E']
plt.xticks(range(heart_train.shape[1]), feature_names)

Answer 2

通过使用method-plot_importance（model），您可以在模型中使用xgboost轻松绘制功能的重要性

from xgboost import plot_importance,XGBClassifier model=XGBClassifier(n_estimators=1000,learning_rate=0.5) x_train,x_test,y_train,y_test=model_selection.train_test_split(features,label,test_size=0.2) model.fit(x_train,y_train,early_stopping_rounds=5,eval_set=[(x_test,y_test)]) plot_importance(model) plt.show()

此代码为您提供了如下图：

Answer 3

我觉得这已经过时但是对于子孙后代，如果你想以正确的顺序从@ bakkal的解决方案中获得feature_name，你可以使用

feature_names = [features_names[i] for i in indices]