feature_importances_在 ExtraTreesClassifier 中显示为 NoneType ：TypeError：'NoneType'对象不可迭代

Question

我正在尝试选择重要的功能（或至少了解哪些功能解释更多的可变性）。为此，我同时使用extratreesClassifier和渐变boostingRegressor-然后使用： -

clf = ExtraTreesClassifier(n_estimators=10,max_features='auto',random_state=0) # stops after 10 estimation passes, right ?
clf.fit(x_train, y_train)
feature_importance=clf.feature_importances_  # does NOT work - returns NoneType for feature_importance

发布此我真的很感兴趣在绘制它们（用于视觉表示）的绘制 - 甚至是初步的，只是查看重要性相对顺序和相应的索引

# Both of these do not work as the feature_importance is of NoneType
feature_importance = 100.0 * (feature_importance / feature_importance.max())
indices = numpy.argsort(feature_importance)[::-1]

我发现令人困惑的是 - 如果我要在下面使用渐变boostingRegressor，我确实会得到feature_importance及其索引。我在做什么错？

#Works with GradientBoostingRegressor
params = {'n_estimators': 100, 'max_depth': 3, 'learning_rate': 0.1, 'loss': 'lad'}
clf = GradientBoostingRegressor(**params).fit(x_train, y_train)
clf.fit(x_train, y_train)
feature_importance=clf.feature_importances_

其他信息：我有12个独立vars（x_train）和一个标签var（y_train）），具有多个值（例如4,5,7）和类型（x_train）和类型（features_importance））是

确认：从这篇文章中借一些元素http://www.tonicebrian.com/2012/11/11/05/training-gradient-boosting-boosting-boosting-with-with-python/python/py/py/py/p>

Answer 1

初始化extratreeClaleCifier时，有一个 compute_importances defauble to None。换句话说，您需要将ExtraTreeClassifier初始化为

clf = ExtraTreesClassifier(n_estimators=10,max_features='auto',random_state=0,compute_importances=True)

，以便计算功能重要性。

对于渐变bloostedRegressor而言，将始终计算这种选择和特征重要性。