Python MLP分类器的可解释性_Python_Machine Learning_Scikit Learn_Classification

Python MLP分类器的可解释性

python machine-learning scikit-learn

Python MLP分类器的可解释性,python,machine-learning,scikit-learn,classification,Python,Machine Learning,Scikit Learn,Classification,我有一个关于机器学习算法可解释性的问题我有一个如下所示的数据集：我已经训练了一个分类模型（Scikit Learn的MLPClassizer），想知道哪些功能对决策的影响最大（权重最高）我的最终目标是找到不同的解决方案（功能组合），这些解决方案很有可能（>90%）被归类为1 有人知道获得这些解决方案的方法吗提前谢谢为了在分类任务期间获得特征重要性，分类方法必须是随机森林或决策树，两者都在sklearn中实现 clf = RandomForestClassifier(n_estimat

我有一个关于机器学习算法可解释性的问题

我有一个如下所示的数据集：

我已经训练了一个分类模型（Scikit Learn的MLPClassizer），想知道哪些功能对决策的影响最大（权重最高）

我的最终目标是找到不同的解决方案（功能组合），这些解决方案很有可能（>90%）被归类为1

有人知道获得这些解决方案的方法吗

提前谢谢

为了在分类任务期间获得特征重要性，分类方法必须是随机森林或决策树，两者都在sklearn中实现

clf = RandomForestClassifier(n_estimators=100, max_depth=2,random_state=0)
clf.fit(X, y)
#After the fit step
clf.feature_importances_

特征重要性将告诉您每个特征的权重，如果您的MLP分类器经过适当训练，它将为网络中的各种特征分配几乎相似的重要性