machine-learning - 如何使用排列特征重要性获取值

我有一个5K（和60个特征）记录的数据集，主要针对二进制分类。

请注意，此solution在这里不起作用

我正在尝试使用Permutation Feature Importance生成功能重要性。但是，出现以下错误。您能否看一下我的代码，让我知道我是否在犯任何错误？

import eli5
from eli5.sklearn import PermutationImportance
logreg =LogisticRegression()
model = logreg.fit(X_train_std, y_train)
perm = PermutationImportance(model, random_state=1)
eli5.show_weights(perm, feature_names = X.columns.tolist())

我收到如下所示的错误

AttributeError: 'PermutationImportance' object has no attribute 'feature_importances_'

您能帮我解决这个错误吗？

最佳答案

如果您通过以下方式查看PermutationImportance对象的属性

ord(perm)

在适合您的PI对象之后，您可以查看所有属性和方法，但是这意味着您需要执行以下操作：

perm = PermutationImportance(model, random_state=1).fit(X_train,y)

关于machine-learning - 如何使用排列特征重要性获取值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59386106/