从 GridSearchCV 获取特征重要性答案

【问题标题】：Get feature importance from GridSearchCV从 GridSearchCV 获取特征重要性
【发布时间】：2018-06-30 19:56:57
【问题描述】：

有没有办法从 sklearn 的 GridSearchCV 中获取特征重要性？

例如：

from sklearn.model_selection import GridSearchCV
print("starting grid search ......")
optimized_GBM = GridSearchCV(LGBMRegressor(),
                             params,
                             cv=3,
                             n_jobs=-1)
# 
optimized_GBM.fit(tr, yvar)
preds2 = optimized_GBM.predict(te)

有没有办法可以访问功能重要性？

也许像

optimized_GBM.feature_importances_

【问题讨论】：

标签： python scikit-learn grid-search

【解决方案1】：

这个有效

optimized_GBM.best_estimator_.feature_importances_

【讨论】：

另外：如果您使用的是管道，.i.e.您的估算器是一个管道对象，您必须添加管道步骤名称：optimized_GBM.best_estimator_.named_steps["step_name"].feature_importances_
@aptha-gowda 有没有办法同时提取特征名称？即变量的名称？
@00schneider 如果我做 PCA 然后在我的管道中拟合一个模型，我如何恢复模型中原始变量的重要性。

【解决方案2】：

知道了。它是这样的：

optimized_GBM.best_estimator_.feature_importance()

如果你碰巧通过管道运行它并收到object has no attribute 'feature_importance' 试试 optimize_GBM.best_estimator_.named_steps["step_name"].feature_importances_

其中step_name 是您管道中的对应名称

【讨论】：

您是否遇到了object has no attribute 'feature_importance' 错误？
不，我没有收到任何错误。这对我有用。我使用的是python 3.6。但是，这是在一月份，因此函数调用可能已按照其他答案的建议进行了更改。

【解决方案3】：

这取决于您选择的型号。如果您选择 SVM，您将没有特征重要性参数，但在决策树中您会得到它

【讨论】：