feature_importances_在ExtraTreesClassifier中显示为NoneType：TypeError：'NoneType'对象不可迭代

Question

我试图为给定数据集选择重要特征（或至少了解哪些特征解释更多可变性）。为了实现这个我同时使用ExtraTreesClassifier和GradientBoostingRegressor - 然后用： -

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 

帖子这个我在绘制它们（视觉表现）很感兴趣 - 甚至是初步的，只是看的相对顺序重视和相应的指数

# 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] 

我发现令人费解的是 - 如果我下面用GradientBoostingRegressor，我得到了feature_importance及其指数。我究竟做错了什么 ？

#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个独立的增值经销商（x_train）和一个标签VAR（y_train））与多个值（比如4,5,7）和式（x_train）是和类型（feature_importance）是

致谢：某些元素从该交http://www.tonicebrian.com/2012/11/05/training-gradient-boosting-trees-with-python/

Answer 1

当初始化ExtraTreeClassifier借来的，还有一个选项compute_importances默认为None。换句话说，你需要初始化ExtraTreeClassifier作为

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

，使其计算功能的重要性。

哪里至于GradientBoostedRegressor，没有这样的选项，总是会计算出特征的重要性。