文章来源:https://www.toymoban.com/news/detail-534782.html
文章来源地址https://www.toymoban.com/news/detail-534782.html
from sklearn.tree import DecisionTreeClassifier
dtc = DecisionTreeClassifier() # 初始化
dtc.fit(x_train, y_train) # 训练
# 获取特征权重值
weights = dtc.feature_importances_
print('>>>特征权重值\n', weights)
# 索引降序排列
sort_index = np.argsort(weights)[::-1]
# 对应的特征名
name = [df.iloc[:, 1:].columns[i] for i in sort_index]
print('\n>>>索引降序排列\n', sort_index)
print('\n>>>特征名\n', name)
# 可视化
plt.bar(x=name, height=weights[sort_index], color='r')
_ = plt.xticks(rotation=90)
plt.title('Feature Weights')
到了这里,关于决策树分析特征重要性可视化无监督特征筛选的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!