feature_importances_在ExtraTreesClassifier中顯示爲NoneType：TypeError：'NoneType'對象不可迭代

Question

我試圖爲給定數據集選擇重要特徵（或至少了解哪些特徵解釋更多可變性）。爲了實現這個我同時使用ExtraTreesClassifier和GradientBoostingRegressor - 然後用： -

clf = ExtraTreesClassifier(n_estimators=10,max_features='auto',random_state=0) # stops after 10 estimation passes, right ? 
clf.fit(x_train, y_train) 
feature_importance=clf.feature_importances_ # does NOT work - returns NoneType for feature_importance 

帖子這個我在繪製它們（視覺表現）很感興趣 - 甚至是初步的，只是看的相對順序重視和相應的指數

# Both of these do not work as the feature_importance is of NoneType 
feature_importance = 100.0 * (feature_importance/feature_importance.max()) 
indices = numpy.argsort(feature_importance)[::-1] 

我發現令人費解的是 - 如果我下面用GradientBoostingRegressor，我得到了feature_importance及其指數。我究竟做錯了什麼 ？

#Works with GradientBoostingRegressor 
params = {'n_estimators': 100, 'max_depth': 3, 'learning_rate': 0.1, 'loss': 'lad'} 
clf = GradientBoostingRegressor(**params).fit(x_train, y_train) 
clf.fit(x_train, y_train) 
feature_importance=clf.feature_importances_ 

其他信息：我有12個獨立的增值經銷商（x_train）和一個標籤VAR（y_train））與多個值（比如4,5,7）和式（x_train）是和類型（feature_importance）是

致謝：某些元素從該交http://www.tonicebrian.com/2012/11/05/training-gradient-boosting-trees-with-python/

Answer 1

當初始化ExtraTreeClassifier借來的，還有一個選項compute_importances默認爲None。換句話說，你需要初始化ExtraTreeClassifier作爲

clf = ExtraTreesClassifier(n_estimators=10,max_features='auto',random_state=0,compute_importances=True) 

，使其計算功能的重要性。

哪裏至於GradientBoostedRegressor，沒有這樣的選項，總是會計算出特徵的重要性。