R-L模型算法的优缺点_审计重要性特征

全栈程序员站长

发布于 2022-11-07 10:20:26

6450

发布于 2022-11-07 10:20:26

1.特征重要性的意义

LR模型也就是逻辑回归模型，作为一个简单的常用的模型，其有非常多的优点，除了模型简单，容易实现分布式，还有一个重要的优点就是模型的可解释性非常好。因为每个特征都对应一个模型参数 w i w_{i} wi，该参数越大，那么该特征对模型预测结果的影响就会越大，我们就说该特征就越重要，因此LR模型的特征重要性评估方式就是 w i w_{i} wi的大小。

2.逻辑回归模型特征重要性及排序

Talk is cheap,Show me the code，直接亮代码

from sklearn import linear_model
import pandas as pd
data_dir = 'dir_name/'
train_data_file = 'train_data_file_name'
test_data_dile = 'test_data_dile_name'
df_train = pd.read_csv(data_dir+train_data_file)
df_test = pd.read_csv(data_dir+test_data_dile)
tr_data = df_train_train.as_matrix()
va_data = df_train_validation.as_matrix()
# 训练数据，每一行的第一列为样本label
tr_x_data = tr_data[:, 1:] # 训练样本特征
tr_y_data = tr_data[:, 0] # 训练样本真实label
mod = linear_model.LogisticRegression()
mod.fit(tr_x_data, tr_y_data)
col_name = list(df_train.columns)[1:]
m = { 
}
for i in range(len(col_name)):
m.setdefault(col_name[i], 0)
m[col_name[i]] = mod.coef_[i]
sorted(m.items(), key=lambda x: x[1], reverse=True)

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/184320.html原文链接：https://javaforall.cn

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2022年10月8日，如有侵权请联系 cloudcommunity@tencent.com 删除

https