如何使用Python识别导致趋势增减的因素(类似于Power BI的Insights功能)

如何使用Python识别导致趋势增减的因素(类似于Power BI的Insights功能),python,machine-learning,time-series,analytics,powerbi,Python,Machine Learning,Time Series,Analytics,Powerbi,Power BI的最佳功能之一是能够识别最有助于趋势增减的因素。据我所知,机器学习方法是用来产生结果的。更多信息请点击此处: 使用Python识别最有助于数据集中趋势增减的因素的最佳方法是什么?对于您的问题,可能有许多可能的答案,因为您可以使用线性和非线性方法来探索自变量和目标变量之间的变化相关性。 具有高度解释力的最简单方法之一是来自python包scikit learn的function.feature_importances_uu,该包基于决策树分类器。 有了自变量X和目标y后,合成非常简

Power BI的最佳功能之一是能够识别最有助于趋势增减的因素。据我所知,机器学习方法是用来产生结果的。更多信息请点击此处:


使用Python识别最有助于数据集中趋势增减的因素的最佳方法是什么?

对于您的问题,可能有许多可能的答案,因为您可以使用线性和非线性方法来探索自变量和目标变量之间的变化相关性。 具有高度解释力的最简单方法之一是来自python包scikit learn的function.feature_importances_uu,该包基于决策树分类器。 有了自变量X和目标y后,合成非常简单:

    forest = ExtraTreesClassifier(n_estimators=250,
                                  random_state=0)

    forest.fit(X, y)
    importances = forest.feature_importances_
您可以在