在Naive bayes中获得特征重要性

Question

我的问题与此完全相似，How to get feature Importance in naive bayes?

但是当我运行代码时

neg_class_prob_sorted = NB_optimal.feature_log_prob_[0, :].argsort()
pos_class_prob_sorted = NB_optimal.feature_log_prob_[1, :].argsort()

print(np.take(count_vect.get_feature_names(), neg_class_prob_sorted[:10]))
print(np.take(count_vect.get_feature_names(), pos_class_prob_sorted[:10]))

它总是打印具有相同首字母的单词

['aafco' 'misfit' 'misfir' 'miseri' 'miser' 'misconcept' 'miscarriag'
 'misc' 'mirin' 'minuscul']
['aafco' 'metrx' 'meticul' 'methood' 'metaplus' 'metaphor' 'mestemach'
 'messiest' 'mesmer' 'mesa']

有没有更好的方法可以打印与正面和负面类相对应的重要功能？

Answer 1

important_features = pd.DataFrame（data = np.transpose（model.fit（fdata，y_train）.feature_log_prob _）。astype（“float32”），index = fdata.columns）