Python机器学习：使用Matplotlib可视化特征权重

使用Matplotlib可视化特征权重

在机器学习中，理解哪些特征对模型预测影响最大至关重要。一种直观的方法是将特征权重可视化为图表。

以下代码片段演示了如何使用Matplotlib库绘制特征权重图：

import matplotlib.pyplot as plt
import numpy as np

# 假设你已经训练了一个模型，名为 'model'
# 并且 'X' 是你的特征数据框

coef = model.coef_.ravel()
labels = X.columns.values

plt.bar(np.arange(len(labels)), coef)
plt.xticks(np.arange(len(labels)), labels, rotation=90)
plt.xlabel('特征名称')
plt.ylabel('特征权重')
plt.title('特征权重图')
plt.show()

代码解释:

1. coef = model.coef_.ravel(): 从模型中获取特征权重系数，并将其展平为一维数组，赋值给变量coef。
2. labels = X.columns.values: 获取特征名称，并将其赋值给变量labels。
3. plt.bar(np.arange(len(labels)), coef): 绘制柱状图，横坐标为特征的索引，纵坐标为特征权重系数。
4. plt.xticks(np.arange(len(labels)), labels, rotation=90): 设置横坐标的标签为特征名称，并将其旋转90度以避免重叠。
5. plt.xlabel('特征名称'): 设置x轴标签
6. plt.ylabel('特征权重'): 设置y轴标签
7. plt.title('特征权重图'): 设置图表标题
8. plt.show(): 展示绘制出的图形。

通过观察特征权重图，你可以快速识别哪些特征对模型预测影响最大（权重系数较大），哪些特征影响较小（权重系数接近于零）。