朴素贝叶斯可以获取每个类标签的特征重要性，因为我可以获得两个类标签的所有特征的条件概率（用于二进制分类），然后可以对它们进行排序以获得最重要的特征。在sklearn中，我们有一个名为feature_log_prob_的属性，用于访问所有功能的对数概率。
在h2o中，我们有一个名为varimp的东西，但它似乎不适用于朴素贝叶斯。在文档和其他地方，我看到的信息很少，主要是使用梯度增强。但是，当我尝试使用它时，朴素贝叶斯（Naive Bayes）表示No Variable Importance for the model从算法角度来看肯定是不正确的。 h2o是否支持它，如果不支持，我们可以以某种方式破解它以完成它吗？