获取使用 RandomizedSearchCV 和多项式 Naiye Bayes 训练的模型的特征重要性答案

【问题标题】：Get feature importance for the model trained using RandomizedSearchCV and Multinomial Naiye Bayes获取使用 RandomizedSearchCV 和多项式 Naiye Bayes 训练的模型的特征重要性
【发布时间】：2021-09-21 22:42:01
【问题描述】：

拟合模型后，无法得到特征重要性。我已经完成了以下步骤：

model_bow = RandomizedSearchCV(MultinomialNB(class_prior=[0.5,0.5]),param_distributions={'alpha':alpha},scoring='roc_auc',n_iter=10,return_train_score=True,)

model_bow.fit(X_train_en_bow,y_train)

model_bow.best_params_ 给我best value is {'alpha': 0.5}

现在如果我想使用model_bow.estimator.feature_log_prob_ 来获取特征重要性，它会给出如下错误。

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-40-cc27acc11117> in <module>
----> 1 model_bow.estimator.feature_log_prob_()

AttributeError: 'MultinomialNB' object has no attribute 'feature_log_prob_'

当我打印 model_bow 时它会显示

                   param_distributions={'alpha': [1e-05, 0.0001, 0.001, 0.01,
                                                  0.1, 0.5, 1, 5, 10, 50,
                                                  100]},
                   return_train_score=True, scoring='roc_auc')

请告知我在哪里失踪！

【问题讨论】：

feature_log_prob_ 是一个属性，而不是一个方法。使用时尝试删除()。
已经没有（）了。
它在回溯中。您可以在访问属性的位置添加实际代码吗？

标签： python-3.x scikit-learn sklearn-pandas naivebayes

【解决方案1】：

要获得特征重要性，请使用训练的最佳模型

model_bow.best_params_

然后您可以调用方法coef_（即将贬值）或feature_log_prob_ 来获取功能重要性。

【讨论】：