Machine learning GridSearchCV及其特征重要性
在gridsearchCV中,当我符合以下条件时:Machine learning GridSearchCV及其特征重要性,machine-learning,scikit-learn,gridsearchcv,Machine Learning,Scikit Learn,Gridsearchcv,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_
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?