Python 特征和权重的热图

我运行了一个机器学习算法。现在我有一个系列，其索引=结果模型的特征，列是相应的权重

我想以热图的形式显示特征及其权重，其中我想显示权重较高的特征，比权重较轻的特征暗。也可以用与负重不同的颜色显示正重吗？。与所有具有正权重（如绿色）和正权重内的特征一样，基于权重值，所有具有正权重（如绿色）的特征可以具有暗、亮，而所有具有负权重（如红色）的特征可以具有负权重（如红色），同样，颜色的强度也会随着绝对值的变化而变化

下面是一个典型的特征权重矩阵的样子。它是一个以索引为特征的系列

adm_hr_ls_7                                            [-0.0151751599842]
admittype_elective                                     [-0.0767214648205]
admission_age_inyears                                    [0.629567909855]
patient_race_caucasian                                    [-0.0543069188]
gender_female                                          [-0.0831126807492]
marital_status_married                                 [-0.0219135568879]
religion_none                                          [-0.0629291312093]
employmentstatus_retired                                [0.0620868529898]
employmentstatus_not_employed                           [0.0195733078954]

编辑：

你的密码给了我类似的东西

我正在寻找一个网格，在该网格中，所有顶部的正面特征都以权重的abs值引导的颜色强度显示。所有正权重都有一种不同强度的颜色。类似地，所有顶部负重（同样是abs术语中的顶部负重）都有一种颜色，其强度与abs重量大小相对应。您的代码首先无法正确对齐标签。第二，它给了很多颜色

假设这是数据

admission_age_inyears                                           [3.86703690989]
emergencydepartmentlengthofstayminutes                          [3.84708584711]
current_los_from_admissions                                     [3.83956976064]
total_time_in_progressive_inpatient                             [3.63955027973]
total_time_spent_inpatient                                      [2.59339330312]
nbr_of_hosp_last_90_days                                        [2.44570139977]
total_time_spent_in_er                                          [2.37914969651]
prior_admittype_emergency                                       [2.18467109815]
nbr_inpatient_visits                                            [2.09615621507]
curr_rx_gen_atorvastatin_calcium                                [2.08752966479]
substanceusehistory                                             [1.91340885366]
timetofirstnurseminutes  
to_be_discharged_to_hospice                                   [-0.323042070071]
tot_est_median_age_years                                       [-0.33548236033]
total_current_pharma_laxatives                                [-0.348768315972]
curr_rx_gen_rivaroxaban                                       [-0.359848868739]
dis_notes_contact_info                                        [-0.360264143656]
total_speak_indo_european                                     [-0.373310297224]
patient_race_african_american                                 [-0.391335453176]
financialclass_commercial                                     [-0.427463083689]
curr_rx_gen_epinephrine_hcl                                    [-0.44205667523]
tot_est_age_55_to_64_years                                    [-0.451699358283]
percent_high_school_grad_or_higher                            [-0.461380248502]
tot_est_age_65_to_74_years      

我想要的是，前10-15个正权重应该由一种常见颜色（比如绿色）表示，这样每个特征的颜色强度由相应特征权重的abs值定义。类似的，所有负权重特征（前10-15）应由一种常见颜色（如红色）表示，颜色的强度由相应特征权重的abs值定义

伊迪迪

编辑3：

我运行了这个代码。出错

n_features = 50

feature_names = ["feature_"+str(i) for i in range(n_features)]
weights = coef_lren.values

# select top 15 high and low features
indices = np.argsort(np.abs(weights))
n_top = 15
top = np.hstack((indices[:n_top], indices[-n_top:]))[::-1]

vmax = np.abs(weights).max()

plt.clf()
plt.imshow(weights[top].reshape((-1,1)),interpolation='nearest', cmap="seismic", vmin=-vmax, vmax=vmax)
plt.axes().xaxis.set_visible(False)
plt.colorbar()

tick_marks = np.arange(2 * n_top)
plt.yticks(tick_marks, [feature_names[i] for i in top])

   433             not np.can_cast(self._A.dtype, np.float)):
--> 434             raise TypeError("Image data can not convert to float")


TypeError: Image data can not convert to float

---

实际上还有一点工作要做，这应该会给你带来好的结果：

# define the range for the color mapping
# make sure the color map is centered on 0
# >> use maximum absolute value and not the real min and max (default behaviou)
vmax = np.abs(my_weights).max()

plt.imshow(my_weights.reshape((-1,1)), cmap="seismic", vmin=-vmax, vmax=vmax)

# add feature names
feature_names = ['foo', 'bar', ...]
tick_marks = np.arange(len(feature_names))
plt.yticks(tick_marks, feature_names) 

编辑：

---

是的，这是可能的。人们通常使用“地震”彩色地图。你能提供一个例子吗？在线文档已经有很多例子了。。。只需在

imshow

中添加kw

cmap=“seismic”

或您喜欢的绘图功能。这里您的my_功能就是我上面提到的系列？此外，如果在X轴上，我可以具有前十个特征，在Y轴上，目标变量值（1或0）的相应影响是否可能？。同样的概念是，my_features将是您想要显示的数值，如果您愿意，可以称之为weights。对于你的另一个问题，我不明白你想要什么…那是你的工作，追踪你程序中的错误。我不知道你在做什么，也不知道错误在哪里抛出！你确定

coef_lren.values

是一个有效数组吗？我的代码运行良好，没有正确的修改吗？如果是这样的话，请接受答案，试着单独调试您的修改，或者发表一篇关于它的新文章……一般来说，一切都是可能的，但是您需要稍微阅读一下文档！要更改图形大小，请查找

plt.axes（）。设置纵横比（…）

import numpy as np
from matplotlib import pyplot as plt 

n_features = 50

feature_names = ["feature_"+str(i) for i in range(n_features)]
weights = np.random.randn(n_features)

# select top 15 high and low features
indeces = np.argsort(weights)
n_top = 15
top = np.hstack((indeces[:n_top], indeces[-n_top:]))[::-1]

vmax = np.abs(weights).max()

plt.clf()
plt.imshow(weights[top].reshape((-1,1)),interpolation='nearest', cmap="seismic", vmin=-vmax, vmax=vmax)
plt.axes().xaxis.set_visible(False)
plt.colorbar()

tick_marks = np.arange(2 * n_top)
plt.yticks(tick_marks, [feature_names[i] for i in top])