liblinear 和 nltk 等机器学习包中的分类器提供了一个方法show_most_informative_features()，这对于调试功能非常有帮助：
viagra = None ok : spam = 4.5 : 1.0
hello = True ok : spam = 4.5 : 1.0
hello = None spam : ok = 3.3 : 1.0
viagra = True spam : ok = 3.3 : 1.0
casino = True spam : ok = 2.0 : 1.0
casino = None ok : spam = 1.5 : 1.0
我的问题是，是否为scikit-learn中的分类器实现了类似的东西。我搜索了文档，但找不到类似的东西。
如果还没有这样的功能，是否有人知道如何获得这些值的解决方法？
分类器本身不记录特征名称，它们只看到数字数组。但是，如果您使用 Vectorizer/CountVectorizer/TfidfVectorizer/DictVectorizer 提取特征，并且您使用的是线性模型（例如 LinearSVC或朴素贝叶斯），然后您可以应用文档分类示例使用的相同技巧。示例（未经测试，可能包含一两个错误）：
def print_top10(vectorizer, clf, class_labels):
"""Prints features with the highest coefficient values, per class"""
feature_names = vectorizer.get_feature_names()
for i, class_label in enumerate(class_labels):
top10 = np.argsort(clf.coef_[i])[-10:]
print("%s: %s" % (class_label,
" ".join(feature_names[j] for j in top10)))
这是针对多类分类的;对于二进制情况，我认为您应该只使用clf.coef_[0]。您可能需要对class_labels进行排序。
在 larsmans 代码的帮助下，我想出了二进制情况的代码：
def show_most_informative_features(vectorizer, clf, n=20):
feature_names = vectorizer.get_feature_names()
coefs_with_fns = sorted(zip(clf.coef_[0], feature_names))
top = zip(coefs_with_fns[:n], coefs_with_fns[:-(n + 1):-1])
for (coef_1, fn_1), (coef_2, fn_2) in top:
print "t%.4ft%-15stt%.4ft%-15s" % (coef_1, fn_1, coef_2, fn_2)
若要添加更新，RandomForestClassifier现在支持 .feature_importances_ 属性。此属性告诉您该特征解释了多少观测方差。显然，所有这些值的总和必须为 <= 1。
我发现此属性在执行特征工程时非常有用。
感谢scikit-learn团队和贡献者实施这一点！
编辑：这适用于RandomForest和GradientBoosting。所以RandomForestClassifier、RandomForestRegressor、GradientBoostingClassifier和GradientBoostingRegressor都支持这一点。
我们最近发布了一个库（https://github.com/TeamHG-Memex/eli5），它允许这样做：它处理来自scikit-learn，二进制/多类案例的各种分类器，允许根据特征值突出显示文本，与IPython集成等。
我实际上必须在我的 NaiveBayes 分类器上找出特征重要性，尽管我使用了上述函数，但我无法根据类获得特征重要性。我浏览了scikit-learn的文档，并对上述功能进行了一些调整，以发现它适用于我的问题。希望它也能帮助你！
def important_features(vectorizer,classifier,n=20):
class_labels = classifier.classes_
feature_names =vectorizer.get_feature_names()
topn_class1 = sorted(zip(classifier.feature_count_[0], feature_names),reverse=True)[:n]
topn_class2 = sorted(zip(classifier.feature_count_[1], feature_names),reverse=True)[:n]
print("Important words in negative reviews")
for coef, feat in topn_class1:
print(class_labels[0], coef, feat)
print("-----------------------------------------")
print("Important words in positive reviews")
for coef, feat in topn_class2:
print(class_labels[1], coef, feat)
请注意，您的分类器（在我的例子中是朴素贝叶斯）必须具有属性feature_count_才能正常工作。
您还可以执行以下操作来按顺序创建重要性特征的图形：
importances = clf.feature_importances_
std = np.std([tree.feature_importances_ for tree in clf.estimators_],
axis=0)
indices = np.argsort(importances)[::-1]
# Print the feature ranking
#print("Feature ranking:")
# Plot the feature importances of the forest
plt.figure()
plt.title("Feature importances")
plt.bar(range(train[features].shape[1]), importances[indices],
color="r", yerr=std[indices], align="center")
plt.xticks(range(train[features].shape[1]), indices)
plt.xlim([-1, train[features].shape[1]])
plt.show()
RandomForestClassifier还没有coef_属性，但我认为它会在 0.17 版本中。但是，请参阅使用 scikit-learn 在随机森林上的递归特征消除中的RandomForestClassifierWithCoef类。这可能会为您提供一些解决上述限制的想法。
不完全是您要查找的内容，但是一种获取最大幅度系数的快速方法（假设 pandas 数据帧列是您的特征名称）：
你训练了模型，如下所示：
lr = LinearRegression()
X_train, X_test, y_train, y_test = train_test_split(df, Y, test_size=0.25)
lr.fit(X_train, y_train)
获取 10 个最大的负系数值（或更改为 reverse=True 表示最大正值），如下所示：
sorted(list(zip(feature_df.columns, lr.coef_)), key=lambda x: x[1],
reverse=False)[:10]
首先做一个列表，我给这个列表一个名称标签。 之后提取所有功能名称和列名称，我添加到标签列表中。这里我使用朴素贝叶斯模型。在朴素贝叶斯模型中，feature_log_prob_给出特征的概率。
def top20(model,label):
feature_prob=(abs(model.feature_log_prob_))
for i in range(len(feature_prob)):
print ('top 20 features for {} class'.format(i))
clas = feature_prob[i,:]
dictonary={}
for count,ele in enumerate(clas,0):
dictonary[count]=ele
dictonary=dict(sorted(dictonary.items(), key=lambda x: x[1], reverse=True)[:20])
keys=list(dictonary.keys())
for i in keys:
print(label[i])
print('*'*1000)