在GridSearchCV中,当我像以下内容一样适合时:
forest_reg = RandomForestRegressor()
grid_search = GridSearchCV(forest_reg, param_grid,cv=5,scoring = 'neg_mean_squared_error')
grid_search.fit(X_train,y_train)
之后,当我执行此操作时,
GridSearch.best_estimator_.feature_importances_
它给出了一系列值所以我的问题是GridSearch.best_estimator_.feature_importances_
此行返回什么值?
在您的情况下, GridSearch.best_estimator_.feature_importances_
返回 RandomForestRegressor
对象。
因此,根据RandomForestRegressor
文档:
feature_importances_:形状的数组= [n_features] 返回功能的重要性(越高,功能越重要)。
换句话说,它会根据您的培训集X_train
返回最重要的功能。feature_importances_
的每个元素都对应X_train
的一个功能(例如:feature_importances_
的第一个元素是指X_train
的第一个功能/列)。
feature_importances_
中元素的值越高,X_train
中的功能越重要。