sklearn：如何找出哪些特征负责预测标签？

Question

我正在使用Python 的 sklearn进行文本分类。使用的分类器是MultinomialNB，我向它提供新闻纸文章，其中包括体育、经济等类别。

训练模型后，我使用predictandpredict_proba函数用一些选定的文本测试我的模型。但有时确实有令人惊讶的结果，我想找出原因，尤其是我想知道哪些特征对结果有影响以及影响有多大——以了解预测。有没有办法做到这一点？

Answer 1

我们最近发布了一个允许检查功能的包（https://github.com/TeamHG-Memex/eli5）；它支持许多 scikit-learn 分类器，但还不支持 MultinomialNB（不过这是在计划中）。如果您可以使用其他分类器，请查看教程。

如果你想要 MultinomialNB，那么你可以等到它被支持，帮助它，或者使用像 LIME 这样的通用解释方法。eli5 有一个实验性的 LIME实现；还有一个来自 LIME 作者的流行包：https : //github.com/marcotcr/lime。

抱歉，这不是真正的答案，因为正确的答案是检查 MultinomialNB 系数并将它们映射回特征；从 scikit-learn 0.18 MultinomialNB 开始，虽然（https://github.com/scikit-learn/scikit-learn/issues/2237）有一些问题，所以应该小心地完成（并为 eli5 做出贡献：D）。