在具有相同功能的不同模型之间汇总功能重要性的最佳方法是什么？

Question

我已经在相似的生物学数据集上训练了16种不同的模型，以预测约17000条生物超路径（特征）中特定疾病（目标）的发生。每个数据集具有相同的功能，但模型架构不同。此外，一半的数据集代表现实世界中的疾病发生率（约5％），而另一半则通过对阳性类别进行重采样得到平衡。还进行了其他一些数据转换，以便每个模型都将强调数据的不同属性。

这是所有模型和数据集中的要素索引的示例（来自具有重要特征顺序的数据框）。我100％确信，此特定功能是预测这种疾病的重要功能。但是您可以看到它在各个模型之间的差异。每行是不同模型的索引。

不出所料，尽管特征的重要性差异很大，但不同的模型正在吸收不同的信号，并且它们大多具有生化意义。

为了创建一个易于理解的产品，我已经显示了所有模型中按其谐波均值指数排序的特征。图片如下：

显示所有16个模型中的1（或2）个功能排序的更好方法是什么？

*功能重要性只是sklearn的model.feature_importance_产品（这是基尼重要性）。