從Sklearn管道中提取具有特征名稱的特征重要性

Question

我想知道當在帶有預處理的管道中使用分類器時，如何從scikit-learn中的隨機森林中提取具有特征名稱的特征重要性。

這里的問題僅涉及提取要素重要性： 如何從Sklearn管道提取要素重要性

從我所做的簡短研究來看，這在scikit-learn中似乎是不可能的，但我希望我是錯的。

我還找到了一個名為ELI5的軟件包（ https://eli5.readthedocs.io/en/latest/overview.html ），該軟件包可以通過scikit-learn解決該問題，但由於解決方案的名稱而無法解決我的問題為我輸出的功能是x1，x2等，而不是實際的功能名稱。

作為一種解決方法，我在管道之外進行了所有預處理，但是很想知道如何在管道中進行預處理。

如果我可以提供任何有用的代碼，請在評論中告訴我。

Answer 1

Xgboost有一個獲取功能重要性的示例：

num_transformer = Pipeline(steps=[
                  ('imputer', SimpleImputer(strategy='median')),
                  ('scaler', preprocessing.RobustScaler())])

cat_transformer = Pipeline(steps=[
                  ('imputer', SimpleImputer(strategy='most_frequent')),
                  ('onehot', preprocessing.OneHotEncoder(categories='auto', 
                                     sparse=False, 
                                     handle_unknown='ignore'))])

from sklearn.compose import ColumnTransformer

numerical_columns = X.columns[X.dtypes != 'category'].tolist()
categorical_columns = X.columns[X.dtypes == 'category'].tolist()

pipeline_procesado = ColumnTransformer(transformers=[
            ('numerical_preprocessing', num_transformer, numerical_columns),
       ('categorical_preprocessing', cat_transformer, categorical_columns)],
        remainder='passthrough',
        verbose=True)

# Create the classifier
classifier = XGBClassifier()

# Create the overall model as a single pipeline
pipeline = Pipeline([("transform_inputs", pipeline_procesado), ("classifier", 
classifier)])

pipeline.fit(X_train, y_train)

onehot_columns = pipeline.named_steps['transform_inputs'].named_transformers_['categorical_preprocessing'].named_steps['onehot'].get_feature_names(input_features=categorical_columns)


#you can get the values transformed with your pipeline
X_values = pipeline_procesado.fit_transform(X_train)

df_from_array_pipeline = pd.DataFrame(X_values, columns = numerical_columns + list(onehot_columns) )

feature_importance = pd.Series(data= pipeline.named_steps['classifier'].feature_importances_, index = np.array(numerical_columns + list(onehot_columns)))