可视化模型的特征权重

1、流程

1、导入库：
numpy：用于处理数组和矩阵。
matplotlib.pyplot：用于绘图。
sklearn.datasets：用于加载数据集。
sklearn.ensemble.RandomForestClassifier：用于训练随机森林模型。

2、加载数据集：
使用load_iris函数加载Iris数据集。

3、训练模型：
初始化RandomForestClassifier并训练模型。

4、提取特征重要性：
使用model.feature_importances_获取特征重要性。

5、绘制条形图：
使用plt.barh绘制水平条形图。
plt.yticks设置y轴标签为特征名称。
plt.gca().invert_yaxis()反转y轴，使最重要的特征显示在图的顶部。

2、feature_importances_获取特征重要性

以鸢尾花为例，有以下特征：

'sepal length (cm)'：萼片长度（厘米）
萼片是花朵最外层的绿色或彩色的叶状结构，这个特征指的是萼片的长度，单位是厘米。
'sepal width (cm)'：萼片宽度（厘米࿰