Ich verwende Sklearn RFC.Random Forest Classifier: Merkmal Wichtigkeit der Vorhersage Wahrscheinlichkeit
forest.fit(training_data, y_train)
probas_test = forest.predict_proba(test_data)
I gibt es eine Möglichkeit wissen, wollte den Beitrag/Bedeutung der einzelnen Funktionen zu finden, die zu der Vorhersage führen.
etwas wie, aber für eine individuelle Datenpunkt-Ebene.
forest.feature_importances_
ist nicht '.features_importances_' zurück geben, was Sie wollen? – MMF
Danke für die Antwort @MMF. Es wird für den vollständig trainierten Baum zurückgegeben, während ich diese Parameter für die individuelle Vorhersage von zu beschreibenden Daten suche. – OneWorld