如何过滤低重要性特征 减少随机森林特征重要性柱状图柱数

过滤随机森林特征重要性柱状图中低重要性条目、解决图表杂乱的需求完全可以实现，以下提供两种可直接复用的实现方案，可根据你的数据集特征规模选择。

你当前生成的杂乱柱状图效果如下：

原有实现代码：

rf = RandomForestRegressor(n_estimators=100, max_depth=3)
rf.fit(X_train, y_train)

sorted_idx = rf.feature_importances_.argsort()
plt.figure(figsize=(8, 30))
plt.barh(X_train.columns[sorted_idx], rf.feature_importances_[sorted_idx])
plt.xlabel("Random Forest Feature Importance")

方案1：按重要性数值阈值过滤 #

自定义重要性阈值（可根据特征重要性分布调整，常用值为0.005、0.01），仅保留重要性高于阈值的特征绘图：

import numpy as np

rf = RandomForestRegressor(n_estimators=100, max_depth=3)
rf.fit(X_train, y_train)

# 可根据实际展示效果调整阈值大小
importance_threshold = 0.01
# 筛选达标的特征与对应重要性
mask = rf.feature_importances_ >= importance_threshold
selected_features = X_train.columns[mask]
selected_importances = rf.feature_importances_[mask]
# 对筛选结果排序
sorted_idx = selected_importances.argsort()

# 画布高度自适应筛选后的特征数量，避免留白过多
plt.figure(figsize=(8, len(selected_features)*0.4))
plt.barh(selected_features[sorted_idx], selected_importances[sorted_idx])
plt.xlabel("Random Forest Feature Importance")
plt.tight_layout() # 自动调整布局避免标签截断

方案2：按Top N高重要性特征过滤（更推荐） #

直接指定保留重要性排名前N位的特征，无需反复调试阈值，展示效果更可控：

import numpy as np

rf = RandomForestRegressor(n_estimators=100, max_depth=3)
rf.fit(X_train, y_train)

# 自定义要展示的高重要性特征数量
top_n = 20
# 取重要性最高的前N个特征索引
sorted_idx = rf.feature_importances_.argsort()[-top_n:]

plt.figure(figsize=(8, top_n*0.4))
plt.barh(X_train.columns[sorted_idx], rf.feature_importances_[sorted_idx])
plt.xlabel("Random Forest Feature Importance")
plt.tight_layout()

补充提示：如果需要保留完整信息占比，可以额外增加一个「其他低重要性特征」柱形，将所有被过滤特征的重要性求和作为该柱形的数值，不会丢失整体重要性分布信息。

内容的提问来源于stack exchange，提问作者leskovecg