决策树的特征重要性_决策树特征重要性

决策树的特征重要性

接上一篇

print("Feature importances:\n{}".format(tree.feature_importances_))
1

def plot_feature_importances_cancer(model):
n_features = cancer.data.shape[1]
plt.barh(range(n_features), model.feature_importances_, align='center')
plt.yticks(np.arange(n_features), cancer.feature_names)
plt.xlabel("Feature importance")
plt.ylabel("Feature")
plot_feature_importances_cancer(tree)
1
2
3
4
5
6
7

顶部划分用到的特征（“worst radius”）是最重要的特征。
这也证实了我们
在分析树时的观察结论，即第一层划分已经将两个类别区分得很好。
但是，如果某个特征的 feature_importance_ 很小，并不能说明这个特征没有提供任何信
息。这只能说明该特征没有被树选中，可能是因为另一个特征也包含了同样的信息
1
2
3
4
5