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。特征的重要性计算为该特征所带来的标准的(规范化)总体缩减。它也被称为基尼重要性R195。我的问题是，即使我使用信息增益来寻找最佳的分裂，“
浏览 6提问于2015-05-31得票数 0
我想知道在获得解释任务响应时，如何解释对比解释部分中的“重要性”值。对于一些与输入特征相比没有改变的特征，重要性似乎很高，而对于与输入特征相比值发生变化的一些特征，重要性似乎较低。我试图理解返回的所有特征中哪些是关键的-我首先使用的是那些与输入特征相比发生了变化的特征，但由于这与重要性值不一致，我想更好地理解这种重要性代表什么？"importance": &qu
浏览 12提问于2019-09-05得票数 0
回答已采纳
我有一个数据集，其中一个特征显示了与目标变量的最小显着性关系；然而，在评估了特征重要性之后，它显示了与目标变量的最显著关系，如图像所示。在下面的图像中，名为"diff“的变量是目标，称为”小时“的变量是独立的特征。基于Pearson相关性的特征是否有可能表现出最小的显着性关系，而基于特征重要性的特征表现出最显著的关系？如果是，那么哪一个是特征选择的参考？皮尔逊相关性还是特征重要性？
浏览 3提问于2022-02-03得票数 0
在SciKit-Learn中安装GradientBoostingClassifier后，其中一些功能的重要性为零。当然，我意识到我可以删除零重要性特征，但我不愿改变已经适合的模型。(如果我删除零重要性特征并重新进行拟合，我会得到一个略有不同的模型。)
这是一个bug，模型需要零重要性特征</e
浏览 14提问于2018-08-01得票数 2
回答已采纳
1回答
我有一个二进制分类问题，其中大多数特征都是分类的，有4个可能的值:是的，不，无关的，nan。我试图找出这些特性对目标列(二进制)的模块化全局特性的重要性。
这些列表示特定过程中的检查。
浏览 0提问于2022-06-26得票数 1
我正在尝试估计我手头的分类任务的特征重要性。对我来说，重要的是获得代表每个特征重要性的具体数字，而不仅仅是“挑选最重要的X个特征”。显而易见的选择是使用基于树的方法，它提供了很好的feature_importances_方法来获取每个特征的重要性。但我对基于树的分类器的结果并不满意。我了解到SelectFromModel方法能够根据重要性分数消除不重要的特征，并成功地对支持向量机或线性模型做到了这一点。我想知道，有没有办法从Selec
浏览 8提问于2017-07-26得票数 2
回答已采纳
我注意到，对于某些功能，功能重要性值为负值，我不知道如何解释它们。 它在文档中说，第i个特征重要性计算为损失(不包括第i个特征的模型)-损失(模型)之间的差值。因此，负的特征重要性值意味着该特征使我的损失增加？那么这意味着什么呢？
浏览 25提问于2019-04-21得票数 0
回答已采纳
1回答
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，b的importance=14，corr(a，b)=0.8。
浏览 1提问于2019-07-10得票数 0
1回答
我对模型1和模型2返回的概率(以它们作为输入特征)使用了随机林分类器，并得到了类似的性能度量(准确性、精确召回)。模型1和模型2的特征重要性分别为49%和51%。情景2:
我使用文本分类模型的概率X作为模型2的输入特性(包含分类和数字特征)。其性能与情景1基本相似，但最终模型的特征重要性表明，文本模型概率在68%左右，其余特征的重要性较小。我想了解这两种情况在特征重要性上的区别。
浏览 0提问于2021-01-05得票数 0
回答已采纳
1回答
我一直在读一些关于数据预处理和特征工程的文章，包括特征选择，特征重要性和特征构造。我的理解是在数据预处理阶段应用了特征工程。此外，在应用机器学习模型时，有时会检查特征重要性，有时会在模式内部进行检查。 我的问题是:特征工程是否总是在预处理阶段实现，或者有时可以在以后的阶段执行？ 谢谢你Shosho
浏览 45提问于2021-04-28得票数 0
1回答
特征重要性
、、、、
我有一个有10个特征的数据集。
我已经使用排列重要性和eli5交叉验证计算了特征的重要性，在拟合了一个非常随机的树(ET)分类器后，由Scikit学习。我每次只使用一个特征来拟合10个不同的ETs，并使用相同的CV方案计算出平均交叉验证分数。我注意到，当我从排列重要性中得到的特征的重要性顺序与我使用平均CV分数对它们进行排序时，当我一次只用一个特征来拟合模型时，有一个特征的排列重要性等级位于最底层，
浏览 0提问于2019-09-06得票数 3
回答已采纳
1回答
我有一个关于Caret包中的功能重要性函数的问题。 我有一个数据集，它有更多的数值和因子特征。我使用下面的命令来获取模型的特征重要性。它给出了因子变量的每个(sub_feature)的重要性。然而，我只想知道功能本身的重要性，而不是详细说明功能的每个因素。 gbmImp <-插入符号：：varImp(xgb1，scale = TRUE)
浏览 19提问于2020-06-18得票数 0
回答已采纳
2回答
最近我有一个机器学习(ML)项目，它需要识别特征(inputs，a1，a2，a3 ...A)对目标/产出有很大影响。我使用线性回归来获得特征的系数，并使用决策树算法(例如随机森林回归)来获得重要的特征(或特征重要性)。 我的理解对吗?线性回归中系数大的特征应该在决策树算法中特征重要性的最高列表中。
浏览 29提问于2019-04-18得票数 1
回答已采纳
SHAP值似乎是相加的，例如，总体特征重要性图简单地将每个特征的绝对SHAP值相加，并对它们进行比较。这允许我们使用SHAP来表示全局重要性和局部重要性。我们也可以以同样的方式获得特定数据记录子集的特征重要性。
同样，获取变量集合的聚合Shap值是否有效？
浏览 22提问于2019-12-05得票数 2
2回答
使用LightGBM的特性重要性
、、、、
问题是这两种算法在特征重要性方面的不一致行为。我使用了默认参数，我知道它们使用不同的方法来计算特征的重要性，但我认为高度相关的特征对模型的预测总是有最大的影响。随机森林特征重要性LightGBM特性重要性与目标的相关性
浏览 4提问于2020-10-21得票数 3
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
矛盾的回答是，如果只使用从整个数据集中选择的训练集进行特征选择，那么特征选择或特征重要性评分顺序可能会随着random_state的Train_Test_Split的变化而动态变化。如果任何特定工作的特征选择发生变化，那么就无法进行特征重要性的泛化，这是不可取的。其次，如果只使用训练集进行特征选择，那么测试集可能包含某些实例，这些实例与仅在训练集上进行的特征选择相矛盾，因为没有对整个历史数据进行分析。此外，只有在给定一组实例而不是单个
浏览 0提问于2019-05-25得票数 21
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
