scikit-learn feature importance計算方式應該是損失降低量，而不是分支次數吧? - Cupoy

2019/09/28 上午 11:50

機器學習共學討論版

林冠廷

觀看數：50

回答數：2

收藏數：0

ml100-3

ml100-3-d31

The importance of a feature is computed as the (normalized) total reduction of the criterion brought by that feature. It is also known as the Gini importance.

想請問下，這是scikit-learn上feature importance的敘述，計算方式似乎比較像是講義pdf中的第三種計算方式:損失降低量，而不是分支次數吧?

回答列表

• 2019/09/28 下午 07:33
  陳明佑 (Ming You Chen)
  贊同數：0
  不贊同數：0
  留言數：0

  剛剛我仔細地去看了官方文件

  我想同學你說得是對的, 

  謝謝您的反應,  

  我們會在研究看看這部分教材是否需要修正, 謝謝您

• 2019/09/30 上午 00:40
  張維元 (WeiYuan)
  贊同數：0
  不贊同數：0
  留言數：0

  樹狀模型中的 feature_importances_ 應該是 Gini 係數，比較類似於「樹狀狀模型的分歧特徵」，換句話說，能夠將資料分得越好的代表越重要