GridSearchCV及其特征重要性

Question

在gridsearchCV中，当我适合的时候，如下所示：

forest_reg = RandomForestRegressor()
grid_search = GridSearchCV(forest_reg, param_grid,cv=5,scoring = 'neg_mean_squared_error')
grid_search.fit(X_train,y_train)

在那之后，当我执行这个，

GridSearch.best_estimator_.feature_importances_ 

它提供了一个值数组，所以我的问题是，GridSearch.best_estimator_.feature_importances_此行返回的值是什么？？

Answer 1

在您的示例中，GridSearch.best_estimator_.feature_importances_返回一个RandomForestRegressor对象。

因此，根据RandomForestRegressor 文档

feature_importances_：shape = n_features数组返回特性输入(越高，特性就越重要)。

换句话说，它根据您的培训集X_train返回最重要的特性。feature_importances_的每个元素对应于X_train的一个特性(例如：feature_importances_的第一个元素指的是X_train的第一个特性/列)。

feature_importances_中元素的值越高，X_train中的特性就越重要。