应用随机森林后提取训练和测试的重要特征答案

【问题标题】：extract important features for train and test after applying random forest应用随机森林后提取训练和测试的重要特征
【发布时间】：2018-12-16 13:12:33
【问题描述】：

我正在使用随机森林进行特征选择（首先是 100 个最重要的特征）。
这是我正在使用的代码；

RandomForest_model = RandomForestRegressor(n_estimators=300,n_jobs=-1)
    RandomForest_model.fit(train_x,train_y)
    RandomForest_model.score(train_x,train_y)
    indices = RandomForest_model.feature_importances_.argsort()[:100]
    train_100_x= train.iloc[:,indices]
    test_100_y = test_100_y.iloc[:,indices]

我的问题是我的 train 和 test 列不匹配。

看图：

训练和测试中第一列的图片：

我做错了什么还是更有效的方法？

这是我从中下载训练和测试数据集的kaggle competition。

【问题讨论】：

能否请您发布整个代码，包括用于训练和测试的拆分
在这个阶段我还没有拆分它。它来自 Kaggle 的一场比赛，我在那里分别下载了测试和训练数据集。我正在考虑在训练和测试中进行选择。

标签： python pandas machine-learning scikit-learn random-forest

【解决方案1】：

尝试使用列名而不是索引为您的新训练和测试数据集设置子集

RandomForest_model = RandomForestRegressor(n_estimators=300,n_jobs=-1)
RandomForest_model.fit(train_x,train_y)

importance_df=pd.DataFrame({'feature':train_x.columns, 'importance':RandomForest_model.feature_importances_})
#sort feature importance data frame
importance_df.sort_values('importance', ascending=False, inplace=True)
#select 100 most important features
features= importance_df.feature[:100]
#
train_100_x= train_x.loc[:,features]
test_100_x = test_x.loc[:,features]

【讨论】：