用特征名称绘制特征重要性

在 R 中，有预先构建的函数来绘制随机森林模型的特征重要性。但在python中似乎缺少这样的方法。我在寻找一种方法matplotlib.

model.feature_importances给了我以下内容：

array([  2.32421835e-03,   7.21472336e-04,   2.70491223e-03,
         3.34521084e-03,   4.19443238e-03,   1.50108737e-03,
         3.29160540e-03,   4.82320256e-01,   3.14117333e-03])

然后使用以下绘图函数：

>> pyplot.bar(range(len(model.feature_importances_)), model.feature_importances_)
>> pyplot.show()

我得到一个条形图，但我想得到带有标签的条形图，同时以排序的方式水平显示重要性。我也在探索seaborn并且找不到方法。

给没有时间浪费的数据科学家的快速回答：

将特征重要性加载到按列名称索引的 pandas 系列中，然后使用其绘图方法。对于分类器model训练使用X:

feat_importances = pd.Series(model.feature_importances_, index=X.columns)
feat_importances.nlargest(20).plot(kind='barh')

稍微详细一点的答案和完整的例子：

假设您使用 pandas 数据框中包含的数据训练模型，如果您将特征重要性加载到 pandas 的系列中，那么这相当轻松，然后您可以利用其索引来轻松显示变量名称。情节论证kind='barh'给了我们一个水平条形图，但你可以很容易地用这个参数代替kind='bar'如果您愿意，可以使用沿 x 轴显示特征名称的传统条形图。

nlargest(n)是一个 pandas Series 方法，它将返回具有最大序列的子集n价值观。如果您的模型中有很多特征并且您只想绘制最重要的特征，那么这非常有用。

使用经典 Kaggle Titanic 数据集的快速完整示例...

import pandas as pd
from sklearn.ensemble import RandomForestClassifier
%matplotlib inline            # don't forget this if you're using jupyter!

X = pd.read_csv("titanic_train.csv")
X = X[['Pclass', 'Age', 'Fare', 'Parch', 'SibSp', 'Survived']].dropna()
y = X.pop('Survived')

model = RandomForestClassifier()
model.fit(X, y)

(pd.Series(model.feature_importances_, index=X.columns)
   .nlargest(4)
   .plot(kind='barh'))        # some method chaining, because it's sexy!

这会给你这个：