我有一个包含约20000行和98个要素（所有要素均为数字）和一个目标要素的数据框，其二进制值分别为0和1。基本上，有两个总体（第一个总体的目标值为1 --50％-，第二个目标值为0 -50％-平衡数据）。在分类问题中，我尝试根据数据预测目标值。因此，我植入了一种监督学习算法（例如SVM）来预测目标值，并可以以0.95左右的精度获得非常好的结果。这个结果告诉我，这些功能之间存在相当大的差异。因此，在下一步中，我必须知道导致这种差异的重要特征是什么，以及量化这两组人群之间特征差异的最佳方法是什么。任何想法？
最佳答案
要按重要性对功能进行排名，可以使用Weka及其功能强大的工具包进行功能选择。有关更多信息和示例，请参见this blogpost。顺便说一下，Weka还具有SVM实现。确定重要功能后，您可以直观地看到两个类别之间的区别，例如通过绘制类别的分布。 Matplotlib为此具有类似hist或boxplot的工具。
如果您的SVM具有线性核，则可以将其系数用作输入要素的直接决策权重：
Determining the most contributing features for SVM classifier in sklearn
Visualising Top Features in Linear SVM with Scikit Learn and Matplotlib
关于python - 如何衡量数据框中要素之间的差异？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/54350062/