随机森林回归器和feature_importances_错误

Question

我正在努力从我的 RandomForestRegressor 中提取特征重要性，我得到一个：

属性

错误："网格搜索CV"对象没有属性 "feature_importances_"。

有谁知道为什么没有属性？根据文档，应该存在此属性吗？

完整代码：

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import GridSearchCV
#Running a RandomForestRegressor GridSearchCV to tune the model.
parameter_candidates = {
    'n_estimators' : [650, 700, 750, 800],
    'min_samples_leaf' : [1, 2, 3],
    'max_depth' : [10, 11, 12],
    'min_samples_split' : [2, 3, 4, 5, 6]
}
RFR_regr = RandomForestRegressor()
CV_RFR_regr = GridSearchCV(estimator=RFR_regr, param_grid=parameter_candidates, n_jobs=5, verbose=2)
CV_RFR_regr.fit(X_train, y_train)
#Predict with testing set
y_pred = CV_RFR_regr.predict(X_test)
#Extract feature importances
importances = CV_RFR_regr.feature_importances_

Answer 1

您正在尝试在 GridSearchCV 对象上使用该属性。它不存在那里。您实际需要做的是访问完成网格搜索的估计器。

通过以下方式访问属性：

importances = CV_RFR_regr.best_estimator_.feature_importances_

Answer 2

///

clf = 随机森林分类器（）clf.fit（df.drop（'name'， axis=1）， df['name']）

图（

图尺寸=（10,10））plt.bar（df.drop（'name'， axis=1）.columns， height=clf.feature_importances_， bottom = 0， width=0.8）plt.xticks（rotation=80）

hight_rate_col = df.drop（'name'， axis=1）.columns[clf.feature_importances_> 0.1]x_train_rate， x_test_rate， y_train_rate， y_test_rate = train_test_split（df[hight_rate_col]， df['name']）