移除特征后重新计算Random Forest特征重要性报错如何修复

错误原因 #

你训练随机森林模型时仅使用了3个特征，clfr.feature_importances_返回的是长度为3的重要性得分数组，但你生成Series时用的iris.feature_names是原始数据集自带的4个特征名列表，二者长度不匹配，因此触发ValueError。

修复方法 #

将生成特征重要性Series的代码行中的index参数，替换为你实际训练用的特征名列表即可，推荐直接调用特征数据集X的columns属性，后续调整特征时无需同步修改此处：

修改前代码 #

# determining feature importance (e.g. model participation)
feature_imp = pd.Series(clfr.feature_importances_,index=iris.feature_names).sort_values(ascending=False)

修改后代码 #

# determining feature importance (e.g. model participation)
feature_imp = pd.Series(clfr.feature_importances_,index=X.columns).sort_values(ascending=False)

如果需要手动指定也可以写成：

feature_imp = pd.Series(clfr.feature_importances_,index=['sepal length', 'petal length', 'petal width']).sort_values(ascending=False)

修改后代码即可正常运行，特征重要性的计算和可视化都会匹配你实际使用的3个特征。

内容的提问来源于stack exchange，提问作者Kyle