我只是好奇对sklearn的feature_importances_属性的解释。我知道系数最高的特征是可以高度预测结果的特征。我的问题是 - 这些功能是否强烈预测返回 1（或是）或不一定？（监督学习 - 二元响应 - 是（1）或否（0））。
例如，在建立预测模型后，我发现这些词是最重要的特征 - 内幕交易，盗窃，贪污，投资。响应为"非法"（1） 或"合法"（0）。
这是否意味着当某个文本包含这些单词时，它很有可能是非法的或不一定的？而且，它只是简单地意味着这些词的价值将导致一个强烈的预测（非法或合法）。感谢对此的任何答案。
这意味着这些词与其中一个响应"强烈相关"，在您的情况下可能illegal(1)。根据您的分类器，强关联的确切技术定义会有所不同。它可以是单词和响应的联合概率，P(X='theft', Y='illegal'), or it could be the conditional probability P（X='theft' |Y='非法'）。
直观地说，每当这些术语出现在文档中时，该文档属于illegal类别的可能性就会增加。