解释用于文本分类的随机森林模型
interpert random forest model for text classificaiton
我有一个文本数据集，我在其中手动将每条记录分类为两种可能 类 中的一种。我在语料库上创建了一个 TFIDF，没有英语停用词，trained/tested 一个随机森林分类器，评估了模型，并将模型应用于更大的文本语料库。到目前为止一切都很好，但是如何找到更多关于我的模型的信息，即如何找出哪些词是 "important" 模型？
经过训练的RF应该有一个属性feature_importances_。我认为您必须使用 oob_score=True （在构造函数中）训练模型。特征重要性将告诉您哪些特征（数据矩阵列）具有影响力。要获取单词，您返回到 tfidf 向量化器并获取其 vocabulary_ 属性（注意尾随的下划线），这是从单词到列索引的字典。
有关 vocabulary_ 属性的解释，请参阅此 post：
我有一个文本数据集，我在其中手动将每条记录分类为两种可能 类 中的一种。我在语料库上创建了一个 TFIDF，没有英语停用词，trained/tested 一个随机森林分类器，评估了模型，并将模型应用于更大的文本语料库。到目前为止一切都很好，但是如何找到更多关于我的模型的信息，即如何找出哪些词是 "important" 模型？
经过训练的RF应该有一个属性feature_importances_。我认为您必须使用 oob_score=True （在构造函数中）训练模型。特征重要性将告诉您哪些特征（数据矩阵列）具有影响力。要获取单词，您返回到 tfidf 向量化器并获取其 vocabulary_ 属性（注意尾随的下划线），这是从单词到列索引的字典。
有关 vocabulary_ 属性的解释，请参阅此 post：