利用随机森林进行特征重要性排序

第一步就是导包，这里我们主要需要用到的就是sklearn和pandas
我们先对自己的数据集进行一下处理

import numpy as np
import pandas as pd
testset=pd.read_csv("data.csv")
testset.head(5)

数据集导入

dataset=testset
dataset.target=testset['标签']
dataset.target.head(5)

因为数据集比较大就放前几个拿出来给大家看看，提取完标签之后，为了让后面的步骤更加简洁，直接在数据集中删除掉最后的一列target

testset.drop(columns=['currentdepth'],inplace=True)
testset.head(5)

除去target这一列的标签，剩下的都是需要进行排序的特征

dataset.feature_names=testset.columns
dataset.feature_names

特征都被输出来了

dataset.data=testset[['特征1','特征2', '特征3', '特征4'......]]
dataset.data.head(5)

这里我赋给dataset的data值都是根据上面输出的特征属性来的，需要对部分属性排序也可以，为了方便可以多drop掉几个特征然后赋给新的dataset