我有一组与二进制类标签关联的特征向量，每个特征向量都有大约40,000个特征。我训练使用随机森林分类RandomForestClassifier从sklearn大约需要10分钟。但是，我想看看哪些是最重要的功能。
我尝试简单地打印出来，clf.feature_importances_但是每个功能大约需要1秒，因此总共需要大约40,000秒（大约12个小时）。这比最初训练分类器所需的时间长得多！
有没有更有效的方法来找出哪些功能最重要？
这是我的意思的示例：
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_estimators=50)
clf = clf.fit(X, Y)
for i in xrange(len(clf.feature_importances_)):
print clf.feature_importances_[i]
您需要做的就是将结果存储clf.feature_importances_在数组中，然后使用它来打印结果。喜欢：
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_estimators=50)
clf = clf.fit(X, Y)
featureImportance = clf.feature_importances_
for i in xrange(len(featureImportance)):
print featureImportance[i]
您现在处理它的方式是每一次重新计算数组。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句