对于决策树模型,应使用model.feature_importances_来获取特征重要性。以下是一个例子:
from sklearn.tree import DecisionTreeClassifier
from sklearn import datasets
import pandas as pd
iris = datasets.load_iris()
X = iris.data
y = iris.target
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X,y)
# 获取特征重要性
importances = clf.feature_importances_
# 将重要性值与特征名对应输出
df = pd.DataFrame({'feature_name':iris.feature_names, 'importance':importances})
print(df)
在这个例子中,我们使用clf.feature_importances_来计算特征重要性,并将其与iris.feature_names对应,输出成一个包含特征名和重要性的DataFrame。