最重要的特征高斯朴素贝叶斯分类器python sklearn

Question

我正在尝试为我的GaussianNB模型获得最重要的功能。这里的代码如何获得scikit-learn分类器的大多数信息功能？ 还是在这里如何获得scikit-learn分类器针对不同类别的大多数信息功能？仅在我使用MultinomialNB时有效。否则，如何为我的两个类（故障= 1或故障= 0）中的每一个计算或检索最重要的特征？我的代码是：（不适用于文本数据）

df = df.toPandas()

X = X_df.values
Y = df['FAULT'].values.reshape(-1,1)


gnb = GaussianNB() 
y_pred = gnb.fit(X, Y).predict(X)

print(confusion_matrix(Y, y_pred))
print(accuracy_score(Y, y_pred))

其中X_df是一个数据框，其中包含我的每个功能的二进制列。

Answer 1

这就是我试图理解高斯NB的重要特征的方式。SKlearn Gaussian NB 模型，包含参数 theta 和 sigma，它们是每个类每个特征的方差和平均值（例如：如果是二元分类问题，那么 model.sigma_ 将返回两个数组和每个类每个特征的平均值） 。

neg = model.theta_[0].argsort()
print(np.take(count_vect.get_feature_names(), neg[:10]))

print('')

neg = model.sigma_[0].argsort()
print(np.take(count_vect.get_feature_names(), neg[:10]))

这就是我尝试使用 scikit-learn 库中的高斯朴素贝叶斯来获取该类的重要特征的方法。