我正在尝试提取我使用PySpark训练的随机森林对象的要素重要性。但是，我没有看到在文档中的任何地方执行此操作的示例，也不是RandomForestModel的方法。
如何从a中提取要素重要性 RandomForestModel PySpark中的回归量或分类器？
以下是文档中提供的示例代码，以帮助我们开始;但是，没有提到其中的特征重要性。
from pyspark.mllib.tree import RandomForest
from pyspark.mllib.util import MLUtils
# Load and parse the data file into an RDD of LabeledPoint.
data = MLUtils.loadLibSVMFile(sc, 'data/mllib/sample_libsvm_data.txt')
# Split the data into training and test sets (30% held out for testing)
(trainingData, testData) = data.randomSplit([0.7, 0.3])
# Train a RandomForest model.
# Empty categoricalFeaturesInfo indicates all features are continuous.
# Note: Use larger numTrees in practice.
# Setting featureSubsetStrategy="auto" lets the algorithm choose.
model = RandomForest.trainClassifier(trainingData, numClasses=2, categoricalFeaturesInfo={},
numTrees=3, featureSubsetStrategy="auto",
impurity='gini', maxDepth=4, maxBins=32)
我没有看到 model.__featureImportances_ 属性可用 - 我在哪里可以找到它？
更新版本> 2.0.0
从版本2.0.0开始，如您所见 这里，FeatureImportances可用于随机森林。
事实上，你可以找到 这里 那：
DataFrame API支持两种主要的树集合算法：随机森林和梯度提升树（GBT）。两者都使用spark.ml决策树作为基础模型。
用户可以在MLlib Ensemble指南中找到有关集合算法的更多信息。
在本节中，我们将演示用于集合的DataFrame API。
此API与原始MLlib合奏API之间的主要区别是：
- 支持DataFrames和ML Pipelines
- 分类与回归的分离
- 使用DataFrame元数据来区分连续和分类功能
- 随机森林的更多功能： 对特征重要性的估计，以及每个类（a.k.a.类条件概率）的预测概率用于分类。
如果要获得要素重要性值，则必须使用 毫升 包裹，不是 mllib，并使用数据帧。
下面是一个你可以找到的例子 这里：
# IMPORT
>>> import numpy
>>> from numpy import allclose
>>> from pyspark.ml.linalg import Vectors
>>> from pyspark.ml.feature import StringIndexer
>>> from pyspark.ml.classification import RandomForestClassifier
# PREPARE DATA
>>> df = spark.createDataFrame([
... (1.0, Vectors.dense(1.0)),
... (0.0, Vectors.sparse(1, [], []))], ["label", "features"])
>>> stringIndexer = StringIndexer(inputCol="label", outputCol="indexed")
>>> si_model = stringIndexer.fit(df)
>>> td = si_model.transform(df)
# BUILD THE MODEL
>>> rf = RandomForestClassifier(numTrees=3, maxDepth=2, labelCol="indexed", seed=42)
>>> model = rf.fit(td)
# FEATURE IMPORTANCES
>>> model.featureImportances
SparseVector(1, {0: 1.0})
我不得不让你失望，但是在MLFib实现的RandomForest中的特征重要性只是没有计算出来，所以你不能从任何地方获取它们，除非你自己实现它们的计算。
以下是如何找到它：
你调用一个函数 RandomForest.trainClassifier 在这里发生了变化 https://github.com/apache/spark/blob/branch-1.3/python/pyspark/mllib/tree.py
它要求 callMLlibFunc("trainRandomForestModel", ...)，这是对Scala函数的调用 RandomForest.trainClassifier 要么 RandomForest.trainRegressor （取决于算法），它会让你回归 RandomForestModel 目的。
该对象在中描述 https://github.com/apache/spark/blob/branch-1.3/mllib/src/main/scala/org/apache/spark/mllib/tree/model/treeEnsembleModels.scala 并且正在扩展 TreeEnsembleModel 在同一个源文件中定义。不幸的是，这个类只存储算法（回归或分类），树本身，树的相对权重和组合策略（总和，平均，投票）。遗憾的是，它不存储特征重要性，甚至不计算它们（参见 https://github.com/apache/spark/blob/branch-1.3/mllib/src/main/scala/org/apache/spark/mllib/tree/RandomForest.scala用于计算算法）
功能重要性现在在Spark 1.5中实现。 请参阅已解决的JIRA问题。 您可以通过以下方式获取要素重要性向量：
val importances: Vector = model.featureImportances
我相信这现在有效。你可以打电话：
from pyspark.ml.classification import RandomForestClassifier
rf = RandomForestClassifier()
model = rf.fit(data)
print model.featureImportances
在RandomForestClassifier上运行拟合会返回一个RandomForestClassificationModel，它具有所需的featureImportances计算值。我希望这个对你有用 ： ）