Gráfico de Importancia de Características del Bosque Aleatorio usando Python
Estoy trabajando con RandomForestRegressor en Python y quiero crear un gráfico que ilustre la clasificación de importancia de las características. Este es el código que usé:
from sklearn.ensemble import RandomForestRegressor
MT= pd.read_csv("MT_reduced.csv")
df = MT.reset_index(drop = False)
columns2 = df.columns.tolist()
# Filter the columns to remove ones we don't want.
columns2 = [c for c in columns2 if c not in["Violent_crime_rate","Change_Property_crime_rate","State","Year"]]
# Store the variable we'll be predicting on.
target = "Property_crime_rate"
# Let’s randomly split our data with 80% as the train set and 20% as the test set:
# Generate the training set. Set random_state to be able to replicate results.
train2 = df.sample(frac=0.8, random_state=1)
#exclude all obs with matching index
test2 = df.loc[~df.index.isin(train2.index)]
print(train2.shape) #need to have same number of features only difference should be obs
print(test2.shape)
# Initialize the model with some parameters.
model = RandomForestRegressor(n_estimators=100, min_samples_leaf=8, random_state=1)
#n_estimators= number of trees in forrest
#min_samples_leaf= min number of samples at each leaf
# Fit the model to the data.
model.fit(train2[columns2], train2[target])
# Make predictions.
predictions_rf = model.predict(test2[columns2])
# Compute the error.
mean_squared_error(predictions_rf, test2[target])#650.4928
Importancia de la característicafeatures=df.columns[[3,4,6,8,9,10]]
importances = model.feature_importances_
indices = np.argsort(importances)
plt.figure(1)
plt.title('Feature Importances')
plt.barh(range(len(indices)), importances[indices], color='b', align='center')
plt.yticks(range(len(indices)), features[indices])
plt.xlabel('Relative Importance')
Este código de importancia de la característica se modificó de un ejemplo encontrado enhttp://www.agcross.com/2015/02/random-forests-in-python-with-scikit-learn/
Recibo el siguiente error cuando intento replicar el código con mis datos:
IndexError: index 6 is out of bounds for axis 1 with size 6
Además, solo aparece una función en mi gráfico con un 100% de importancia donde no hay etiquetas.
Cualquier ayuda para resolver este problema para poder crear este gráfico será muy apreciada.