【Python特征工程系列】8步教你用决策树模型分析特征重要性（源码）

一、问题

????? 如果有一个包含数十个甚至数百个特征的数据集，每个特征都可能对你的机器学习模型的性能有所贡献。但是并不是所有的特征都是一样的。有些可能是冗余的或不相关的，这会增加建模的复杂性并可能导致过拟合。特征重要性分析可以识别并关注最具信息量的特征，从而带来以下几个优势:

• 改进的模型性
• 能减少过度拟合
• 更快的训练和推理
• 增强的可解释性

????????决策树模型通过在节点上选择最佳的特征来进行划分，这个选择过程可以提供特征的相对重要性度量。scikit-learn 的决策树模型中可以使用 feature_importances_?属性来获取特征的重要性得分。需要注意的是，决策树模型的特征重要性是相对的，它们是在给定数据集和模型的情况下计算出来的。因此，在不同的数据集和模型上，特征的重要性可能会有所不同。

前文回顾：

【Python特征工程系列】利用随机森林模型分析特征重要性（源码）

我将持续更新特征重要性分析的一些方法，关注我，不错过！本文将详细解读利用决策树模型分析特征重要性的步骤！

二、实现过程

2.1 准备数据

data = pd.read_csv(r'E:\数据杂坛\\UCI Heart Disease Dataset.csv')
df = pd.DataFrame(data)

2.2 目标变量和特征变量

target = 'target'
features = df.columns.drop(target)

?特征变量如下：

2.3 划分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(df[features], df[target], test_size=0.2, random_state=0)

?X_train如下:

2.4 训练决策树模型

model = DecisionTreeClassifier(max_depth=10)
model.fit(X_train, y_train)

2.5 提取特征重要性

feature_importance = model.feature_importances_
feature_names = features

?feature_importance如下：

2.6 创建特征重要性的dataframe

importance_df = pd.DataFrame({'Feature': feature_names, 'Importance': feature_importance})

?importance_df如下：

2.7 对特征重要性进行排序

importance_df = importance_df.sort_values(by='Importance', ascending=False)

排序后的 importance_df如下：

2.8 可视化特征重要性

plt.figure(figsize=(10, 6))
sns.barplot(x='Importance', y='Feature', data=importance_df)
plt.title('Feature Importance')
plt.xlabel('Importance')
plt.ylabel('Feature')
plt.show()

?可视化结果如下：

好了，本篇内容就到这里，需要数据集和源码的小伙伴可以关注我！

作者简介：

读研期间发表6篇SCI数据挖掘相关论文，现在某研究院从事数据算法相关科研工作，结合自身科研实践经历不定期分享关于Python、机器学习、深度学习、人工智能系列基础知识与应用案例。致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。