机器学习 · 函数

特征重要性

提取模型特征重要性。支持树模型和线性模型。

调用签名(模型, 特征, 列名列表=None)

特ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 特征重要性
设 结果 = 机器学习.特征重要性(
    模型=[1, 2, 3, 4],  # 必填；按函数业务含义传入 模型;首次使用建议先 打印(...
    特征=[1, 2, 3, 4],  # 必填；按函数业务含义传入 特征;首次使用建议先 打印(...
    列名列表=None,  # 可选；Pandas DataFrame 或类似表格对象
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

模型可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入模型;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传或对象为 None 会报 TypeError/AttributeError;先调用对应的创建函数拿到模型再传入

特征可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入特征;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '特征';检查调用是否漏了这行

列名列表可选 · 默认 None

未声明位置参数或字段名=值

Pandas DataFrame 或类似表格对象。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 特征重要性
设 结果 = 机器学习.特征重要性(
    模型=[1, 2, 3, 4],  # 必填；按函数业务含义传入 模型;首次使用建议先 打印(...
    特征=[1, 2, 3, 4],  # 必填；按函数业务含义传入 特征;首次使用建议先 打印(...
    列名列表=None,  # 可选；Pandas DataFrame 或类似表格对象
)
打印(结果)

# 进阶组合:特征重要性 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.特征重要性(
    模型=[1, 2, 3, 4],  # 必填
    特征=[1, 2, 3, 4],  # 必填
    列名列表=None,  # 可选
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 2 个必填参数

## 参数 1: 模型
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.特征重要性()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.特征重要性(模型=[1, 2, 3, 4])

## 参数 2: 特征
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.特征重要性()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.特征重要性(特征=[1, 2, 3, 4])
打印(结果)