如何返回在 sklearn 中由 DecisionTreeClassifier 创建的决策树中使用的特征答案

【问题标题】：how to return the features that used in decision tree that created by DecisionTreeClassifier in sklearn如何返回在 sklearn 中由 DecisionTreeClassifier 创建的决策树中使用的特征
【发布时间】：2020-10-30 07:50:10
【问题描述】：

我想通过 CART 和 C4.5 决策树对我的数据集进行特征选择。以这种方式将决策树应用于数据集，然后提取决策树算法用来创建树的特征。所以我需要返回在创建的树中使用的功能。我在 sklearn.tree 模块中使用“DecisionTreeClassifier”。我需要一种方法或函数来给我（返回）在创建树中使用的功能！将此特征作为主要调制算法中更重要的特征。

【问题讨论】：

标签： scikit-learn decision-tree feature-selection

【解决方案1】：

您可以解决类似于以下的问题：

我假设你有训练 (x_train, y_train) 和测试 (x_test, y_test) 集。

from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.metrics import f1_score

tree_clf1 = DecisionTreeClassifier().fit(x_train, y_train)

y_pred = tree_clf1.predict(x_test)

print(confusion_matrix(y_test, y_pred))
print("\n\nAccuracy:{:,.2f}%".format(accuracy_score(y_test, y_pred)*100))
print("Precision:{:,.2f}%".format(precision_score(y_test, y_pred)*100))
print("Recall:{:,.2f}%".format(recall_score(y_test, y_pred)*100))
print("F1-Score:{:,.2f}%".format(f1_score(y_test, y_pred)*100))

feature_importances = DataFrame(tree_clf1.feature_importances_,
                                index = x_train.columns,
                                columns['importance']).sort_values('importance', 
                                                                    ascending=False)

print(feature_importances)

下面是一个示例输出，显示了哪些特征对您的分类很重要。

【讨论】：