训练LinearRegression(ElasticNet)模型后如何将系数与对应特征匹配

完整实现代码 #

import pandas as pd

# 提取GridSearchCV调参后的最优模型
best_model = grid_model.best_estimator_

# 特征名要和训练时输入的特征顺序完全一致，这里用你原始数据集的列名即可
feature_list = df.columns
# 提取最优模型的系数数组
coef_list = best_model.coef_

# 生成一一配对的DataFrame
feature_coef_df = pd.DataFrame({
    '特征名称': feature_list,
    'SalePrice相关系数': coef_list
})

# 筛选系数不为0的特征，并按系数绝对值从大到小排序，方便直接查看强相关特征
non_zero_coef_df = feature_coef_df[feature_coef_df['SalePrice相关系数'] != 0].sort_values(
    by='SalePrice相关系数', 
    ascending=False,
    key=lambda x: abs(x)
)

# 打印结果
print(non_zero_coef_df)

# 可选：导出为csv文件存到本地
# non_zero_coef_df.to_csv('房价相关特征系数表.csv', encoding='utf_8_sig', index=False)

注意事项 #

• 必须保证df.columns的特征顺序和你训练时输入scaled_X_train的特征顺序完全一致，否则会出现特征和系数配对错误的问题
• 系数为正代表该特征和房价呈正相关，系数为负代表呈负相关，绝对值越大相关性越强
• 如果你的训练集scaled_X_train是DataFrame格式，也可以直接用scaled_X_train.columns代替df.columns，不会出现顺序不一致的问题

内容的提问来源于stack exchange，提问作者Nooby