我正在用Python的sklearn做一个随机森林。
我试图得到一个属性的每个模态的分数。
例如，在泰坦数据集中，我们如何获得Pclass变量的每个模态的分数?
由于
Pclass变量是分类变量。这意味着它有2个或更多的离散值。对于这样的变量，总是建议使用One-Hot编码来表示它们。例如，如果你的PClass变量接受3个可能的值，lower， middle和upper，那么目前你将它们编码为0,1或2。这种方法的问题在于，在某些分类器中，这种方法将引入上> 下的自然排序。因此，最常用的策略是将它们编码为3个布尔特征。所以不是1个特征，而是3个特征。下部表示为[1 0 0]，中间表示为[0 1 0]，上部表示为[0 0 1]。
由于您正在使用scikit-learn，这可以通过OneHotEncoder类来完成。scikit-learn文档中的示例提供了一个说明性示例。
现在，当你把这些作为特征传递给随机森林并训练它。您可以使用clf.feature_importances_轻松获得特性的重要性。因为现在，你使用一个特征为每个模态，你可以很容易地得到每个特征模态的重要性。
希望对你有帮助。