1回答
关于分类特性的特性重要性的查询：查询：
我已经绘制了每个特征(价值计数与类别)的直方图来进行分析。选择功能是否重要<
浏览 0提问于2018-12-15得票数 1
我正在评估我的决策树分类器，并尝试绘制特征重要性图。图形打印正确，但它打印所有(80+)特征，这创建了一个非常混乱的视觉效果。我正在试图弄清楚如何才能将绘图限制在按重要性排序的重要变量上。要下载到工作目录的数据集的链接，名为(“文件)：https://github.com/Arsik36/
浏览 27提问于2020-04-12得票数 0
回答已采纳
1回答
我正在处理数值特征，我想在sklearn中使用决策树分类器来找到特征的重要性。
特征的重要性。越高，功能就越重要。特征
浏览 6提问于2015-05-31得票数 0
1回答
在使用决策树算法或随机森林进行分类的情况下，我们使用基尼杂质或信息增益作为衡量标准，以确定首先选择哪个特征来分割父节点/中间节点，但如果我们使用决策树或随机森林进行回归，那么如何计算特征重要性或选择特征
浏览 62提问于2020-10-22得票数 1
在python中实现的adaboost算法是如何为每个特性分配特性重要性的？我正在使用它进行特征选择，我的模型在基于feature_importance_值的特征选择方面表现得更好。
浏览 4提问于2016-04-16得票数 4
回答已采纳
1回答
因此，我使用tfidf和count向量化器将此数据集转换为向量形式。结果，我得到了一个稀疏矩阵。我应用了决策树算法，得到了预期的结果。现在，我想准备另一个模型，在这个模型中，我只使用那些具有非零特征重要性的特征。但是，我无法过滤那些具有非零重要性的特征。<class 'numpy.float64'>'
with 7713590 stored elements in C
浏览 18提问于2020-08-10得票数 0
回答已采纳
我试图确定多波段图像分类中最有用的波段(即用于像素分类的红、绿、蓝、近红外等)，并编写了以下函数来构建决策树。它采用带熵的sci-工具包学习的决策树分类器作为分裂准则。最后，它使用feature_importances_函数计算每个波段的重要性： """prints a deci
浏览 0提问于2023-06-01得票数 0
回答已采纳
1回答
我有一个多类分类问题，我在杂质减少的基础上提取特征重要性。我比较了一个决策树和AdaBoost分类器，我认为有一个功能在决策树的顶部，而根据AdaBoost，它的重要性要低得多。这是正常的行为吗？
浏览 6提问于2022-04-19得票数 0
我正在处理一个二进制分类问题，我在包装分类器中使用了logistic回归。, model.fit(X,y,sample_weights)当决策树被用作套袋分类
浏览 1提问于2019-02-04得票数 2
回答已采纳
1回答
我正在从lightgbm绘制一个模型，并试图查看绘制树。当我使用plot.tree时，它可以工作...然而，树的输出与特征重要性不匹配，也与我在优化参数时选择的叶数不匹配。例如，特征A是我的特征重要性图中最重要的特征，但这个特征不会在我的实际决策树图中显示为一个节点来进行决策。另外，我的一个参
浏览 0提问于2021-03-04得票数 0
2回答
我的预测模型中既有分类特征，也有连续特征，我希望选择(和排序)最重要的特征。
我使用一个热编码将所有的分类变量转换为虚拟变量(为了更好地解释我的logistic回归模型)。一方面，我使用LogisticRegression (sklearn)，并通过使用它们的系数对最重要的特征进行排序。通过这种方式，我将分类变量和连续变量都视为最重要的特性。另一方面，当我想使用<
浏览 0提问于2020-01-15得票数 9
回答已采纳
1回答
我有用scikit-学习绘制随机森林的特征重要性。为了提高随机森林的预测效果，如何利用地块信息去除特征？例如，如何根据地块信息识别某一特征是否无用，甚至更糟地减少随机森林的性能？图基于属性feature_importances_，我使用分类器sklearn.ensemble.RandomForestClassifier。我知道存在其他特征选择技术，但在这个问题中，
浏览 0提问于2015-08-04得票数 13
1回答
我有两个数据集，一个连续数据集(75个数据点和14个变量)和一个离散数据集，该数据集是通过将连续数据集放入桶中生成的。我已经构建了一个决策树分类器(使用python sklearn包)，该分类器对于离散数据集比连续数据集要好得多。
我还在几篇论文中读到，有时最好使用离散数据集。但我不知道为什么。
浏览 0提问于2017-09-01得票数 4
1回答
决策树的剪枝与参数约简
、、、
我试图使用决策树分类器来执行分类。我想知道使用特征约简方法是否与决策树相关，因为它们会自动地使用剪枝？我的想法是从5到15参数进行一个循环，然后比较每个决策树的分类精度，然后得出我分类的最优参数数。
谢谢。
浏览 0提问于2016-06-24得票数 1
回答已采纳
2回答
我有一个分类问题，我必须使用投票分类器方法找到前3个特征，其中包含PCA，xgboost，随机森林，逻辑注册和决策树。
voting_clf.fit(train.drop(['target'],1),train['target
浏览 0提问于2019-10-30得票数 1
1回答
我正在使用sklearn的决策树分类器，但是我得到了100%的分数，我不知道出了什么问题。我已经测试了svm和knn，两者的准确率都在60%到80%之间，看起来也不错。using Decision tree classifier is {0:.8f}%".format(100* 这是输出:决策树分类器决策树分类<e
浏览 2提问于2020-07-02得票数 0
回答已采纳
我知道决策树有基尼系数计算的feature_importance属性，它可以用来检查哪些特征更重要。但是，对于scikit-learn或Spark中的应用程序，它只接受数字属性，所以我必须将字符串属性转换为数字属性，然后对其进行one-hot编码器。当特征被放入决策树模型时，它是0-1编码的，而不是原始格式，我的问题是，如何解释原始属性的特征重要性？在尝试解释特性
浏览 2提问于2016-10-14得票数 11
1回答
我正在构建一个具有数百个功能的xgboost模型。对于彼此高度相关(皮尔逊相关性)的特征，我正在考虑使用特征重要性(通过增益来衡量)来丢弃重要性较低的特征。我的问题: 1:相关性是否会影响/偏差特征重要性(通过增益衡量)？2:对于ML模型，有没有什么好的方法来删除高度相关的特征？例如:a的importance=120，
浏览 1提问于2019-07-10得票数 0
我是机器学习的新手，我已经到了从机器学习中退出的地步，因为在线教程也相当令人困惑。熵与决策树📷import numpy as npimport pandasTemp、湿度和Windy)将变成：
Rainy Overca
浏览 0提问于2019-10-01得票数 0
1回答
如果我用神经网络分类器训练一个网络，我如何知道哪一个特征对于预测目标变量是最重要的？我的意思是如何在这些特性之间创建一个“特性排序”(从高重要性到低)。我看过一些关于决策树/AdaBoost的文献，但我通常对神经网络感兴趣，特别是为了分类目的。为了更清楚地说明，图中给出了一个例子。
📷
浏览 0提问于2017-09-16得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
