OneHotEncoded機能を使用したコンピューティング機能の重要性

Question

機能が一度だけエンコードされているときにscikit learnで機能の重要度を（ランダムフォレストで）計算することは可能ですか？

Answer 1

ここではその重要度と機能名を組み合わせた方法の例です：

from sklearn.feature_extraction import DictVectorizer 
from sklearn.preprocessing import FunctionTransformer 
from sklearn.ensemble import RandomForestClassifier 
from sklearn.pipeline import make_pipeline 


# some example data 
X = pd.DataFrame({'feature': ['value1', 'value2', 'value2', 'value1', 'value2']}) 
y = [1, 0, 0, 1, 1] 

# translate rows to dicts 
def row_to_dict(X, y=None): 
    return X.apply(dict, axis=1) 

# define prediction model 
ft = FunctionTransformer(row_to_dict, validate=False) 
dv = DictVectorizer() 
rf = RandomForestClassifier() 

# glue steps together 
model = make_pipeline(ft, dv, rf) 

# train 
model.fit(X, y) 

# get feature importances 
feature_importances = zip(dv.feature_names_, rf.feature_importances_) 

# have a look 
print feature_importances