Skip to main content
 首页 » 编程设计

python之从混合效应随机森林中获取特征重要性

2024年11月24日8dudu

我是 R 用户,第一次在 Windows 上运行 python3.7 64bit。 我试图使用 eli5 包中的 PermutationImportance 从混合效应随机森林中获取排列重要性。 可以找到再现性数据集 here .

适合:

merf = MERF(n_estimators= 500, max_iterations= 100) 
np.random.seed(100) 
merf.fit(X_train_merf, Z_train, clusters_train, y_train) 

特征重要性:

perimp = PermutationImportance(merf, cv = None, refit = False, n_iter = 50).fit(X_train, Z_train, clusters_train, y_train) 

上面的代码产生了这个错误

TypeError: fit() takes from 3 to 4 positional arguments but 5 were given 

但是 fit() 只包含 4 个参数...

是否有可能从 merf 对象中获得特征重要性?

请您参考如下方法:

我不知道 merf 或 eli5 模块,但我可以告诉您为什么会出现该异常。

如果您查看 PermutationImportance Module 的文档及其 API 您可以看到 fit() 方法的以下定义:

    fit(X, y, groups=None, **fit_params) 

最后一个参数前的两颗星表示它是一个 keyword argument .所以实际上这个方法可以接受 3 个位置参数和许多关键字参数。但这也意味着您需要命名第四个参数。在该方法中,您会获得该参数的字典,并且该方法需要知道如何处理它。

例子:

def my_fit(X, **fit_params): 
    print(fit_params) 
 
my_fit("positional argument", x=1,y=2,z=3)                
>>> {'x': 1, 'y': 2, 'z': 3} 

我不使用 eli5,所以我不能告诉你要使用什么关键字,或者是否有可能从 merf 对象中获得特征重要性,但是只要给你的最后一个参数一个名字就可以解决这个错误:

perimp = PermutationImportance(merf, cv = None, refit = False, n_iter = 50).fit(X_train, Z_train, clusters_train, y_train=y_train) 

希望该方法知道如何处理这样命名的参数。