非线性模型描绘特征权重图的python代码

以下是一个使用非线性模型（随机森林）来描绘特征权重图的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestRegressor

# 创建一些随机数据
X = np.random.rand(100, 5)
y = X[:, 0] + 2*X[:, 1] + np.random.randn(100)*0.1

# 训练随机森林模型
rf = RandomForestRegressor(n_estimators=100)
rf.fit(X, y)

# 提取特征权重
importances = rf.feature_importances_

# 绘制特征权重图
plt.bar(range(X.shape[1]), importances)
plt.xticks(range(X.shape[1]), ['Feature {}'.format(i) for i in range(X.shape[1])])
plt.xlabel('Features')
plt.ylabel('Importance')
plt.title('Feature Importance Plot')
plt.show()

在这个例子中，我们创建了一个包含5个特征的随机数据集，并使用随机森林模型来训练数据。然后，我们提取了每个特征的权重，并使用条形图将它们可视化。在这个图中，我们可以看到第一个特征对目标变量的影响最大，因为它的权重最高