检查 scikit-learn 管道中的特征重要性

Question

我使用 scikit-learn 定义了以下管道：

model_lg = Pipeline([("preprocessing", StandardScaler()), ("classifier", LogisticRegression())])
model_dt = Pipeline([("preprocessing", StandardScaler()), ("classifier", DecisionTreeClassifier())])
model_gb = Pipeline([("preprocessing", StandardScaler()), ("classifier", HistGradientBoostingClassifier())])

然后我使用交叉验证来评估每个 model 的性能：

cv_results_lg = cross_validate(model_lg, data, target, cv=5, return_train_score=True, return_estimator=True)
cv_results_dt = cross_validate(model_dt, data, target, cv=5, return_train_score=True, return_estimator=True)
cv_results_gb = cross_validate(model_gb, data, target, cv=5, return_train_score=True, return_estimator=True)

当我尝试使用coef_方法检查每个 model 的特征重要性时，它给我一个归因错误：

model_lg.steps[1][1].coef_
AttributeError: 'LogisticRegression' object has no attribute 'coef_'

model_dt.steps[1][1].coef_
AttributeError: 'DecisionTreeClassifier' object has no attribute 'coef_'

model_gb.steps[1][1].coef_
AttributeError: 'HistGradientBoostingClassifier' object has no attribute 'coef_'

我想知道，我该如何解决这个错误？ 或者是否有任何其他方法来检查每个 model 中的特征重要性？

Answer 1

Imo，这里的要点如下。 一方面，管道实例model_lg 、 model_dt等未明确安装（您没有直接在它们上调用方法.fit() ），这会阻止您尝试访问实例本身的coef_属性。

另一方面，通过使用参数return_estimator=True调用.cross_validate() （仅在交叉验证方法中使用.cross_validate()是可能的），您可以为每个 cv 拆分返回拟合估计量，但您应该访问他们通过你的字典cv_results_lg ， cv_results_dt等（在'estimator'键上）。 这是代码中的参考，这是一个示例：

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris
from sklearn.model_selection import cross_validate

X, y = load_iris(return_X_y=True)

model_lg = Pipeline([("preprocessing", StandardScaler()), ("classifier", LogisticRegression())])

cv_results_lg = cross_validate(model_lg, X, y, cv=5, return_train_score=True, return_estimator=True)

这些将是 - 例如 - 在第一次折叠时计算的结果。

cv_results_lg['estimator'][0].named_steps['classifier'].coef_

有关相关主题的有用见解可以在以下位置找到：

• 如何获得多标签分类问题的特征重要性？
• 在 Python 3 中使用 Pipeline 获取 RFE 的支持和排名属性

Answer 2

在某些算法和打印精度中进行循环