Machine learning GridSearchCV及其特征重要性

在gridsearchCV中，当我符合以下条件时：

forest_reg = RandomForestRegressor()
grid_search = GridSearchCV(forest_reg, param_grid,cv=5,scoring = 'neg_mean_squared_error')
grid_search.fit(X_train,y_train)

然后呢,， 当我执行这个时

GridSearch.best_estimator_.feature_importances_ 

它给出了一个值数组

---

所以我的问题是，

GridSearch.best\u estimator\u.feature\u importances\u这行返回的值是什么
 在您的例子中，
GridSearch.best\u estimator\u.feature\u importances\u
返回一个
randomForestRegregator
对象

因此，根据

随机森林回归器：

特征\重要性\形状数组=[n\u特征] 返回特征的重要性（越高，特征越重要）

换句话说，它根据您的培训集

X\u train

返回最重要的功能。

feature\u importances\u

的每个元素对应于

X\u列车

的一个特征（例如，

feature\u importances\u

的第一个元素指的是

X\u列车

的第一个特征/列）

---

feature\u importances\u

中元素的值越高，

X\u train

中的功能越重要请优化问题的格式欢迎访问SO；请务必花一分钟来学习如何正确格式化您的代码耶。。！从现在起我将做这件事。。对不起，上面是……）是 啊但我想知道的是，这些重要特性返回的值到底是什么？我的意思是这些值是根据什么计算的？