Numpy 如何使用熊猫随机森林的特征重要性？

我是新来的。我很高兴知道你对我的问题的建议。我需要知道我的数据集的哪些特征最重要。因此，我使用了

SelectFromModel（RandomForestClassifier（n_estimators=100））

，但问题是我无法选择数据库中最重要的列。 我应该使用

selected\u feat=X\u train.columns[（sel.get\u support（））]

但问题是numpy；numpy不允许我使用

X\u train.columns[]

。我曾尝试使用

selected\u feat=pd.DataFrame（columns=[（sel.get\u support（））]）

，但它不能正常工作

有人能修好它吗？ 数据集有84列，所有列都是数字。

这是我的python代码。

---

get_support方法返回一个掩码，即应用于列的TRUE和FALSE值数组：
因此，您正在创建一个名为true和false的列的空数据帧
如果需要包含重要列名称的列表，请运行：

[elem for elem in X_train.columns[sel.get_support]]

---

希望有帮助

get_support方法返回一个掩码，即应用于列的真值和假值数组：
因此，您正在创建一个名为true和false的列的空数据帧
如果需要包含重要列名称的列表，请运行：

[elem for elem in X_train.columns[sel.get_support]]

---

希望有帮助

X\u列[sel.get\u support]]

---

如何从总要素中仅选择真列。即get_support方法返回一个掩码，即应用于列的真值和假值数组：

X_train.columns[sel.get_support]]

---

如何从总要素中仅选择真列。即get_support方法返回一个掩码，即应用于列的真值和假值数组：

谢谢Davide，但是如果我使用X_train.columns[]，我会遇到一个问题。错误如下：AttributeError:'numpy.ndarray'对象没有属性'columns'，请将其设置为DFs。在使用train\u test\u split之后，运行

X\u train=pd.DataFrame（X\u train，columns=X.columns）

，依此类推。如果对X_train（/y/test）的任何后续调用需要一个数组，只需调用.values即可使用hank you Davide访问ndarray，但如果使用X_train.columns[]，我会遇到问题。错误如下：AttributeError:'numpy.ndarray'对象没有属性'columns'，请将其设置为DFs。在使用train\u test\u split之后，运行

X\u train=pd.DataFrame（X\u train，columns=X.columns）

，依此类推。如果对X_train（/y/test）的任何后续调用都需要数组，只需调用.values以访问ndarray，请尝试更好地解释您自己。少用“i.e.”。奥菲卡米：我同意纳贾姆应该格式化他的答案。无论如何，这不是一场拼写竞赛，复习第一篇文章并不是为了让你讲授诸如“i-e”之类的写作风格。有时我觉得人们在复习时忘记了这是为了更好地回答问题，而不是指出你不喜欢的写作风格。请试着更好地解释你自己。少用“i.e.”。奥菲卡米：我同意纳贾姆应该格式化他的答案。无论如何，这不是一场拼写竞赛，复习第一篇文章并不是为了让你讲授诸如“i-e”之类的写作风格。有时我觉得人们在复习的时候忘记了，这种感觉是为了更好地找到答案，而不是指出你不喜欢的写作风格。