我正在训练一个SVM模型，输入是一组独热编码的向量，形如（实际上是（179, 42621）的形状，但为了举例，我们假设如下）：

vectors = [[0,0,0,1],[1,0,0,1],[0,0,0,1],[0,0,0,1],[0,0,0,1]]

标签看起来像这样：

labels = [[0],[1],[1],[2],[0]]

我使用以下代码训练了SVM模型：

X = vectorsy = labels# fixing class imbalancesm = SMOTE(random_state=42)X, y = sm.fit_resample(X, y)X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)svc = LinearSVC()svc.fit(X_train, y_train)y_pred = svc.predict(X_test)

有没有办法可以了解特征输入向量中每个特征在预测能力方面的重要性？

换句话说，如何判断特征向量中的第0个、第1个、第2个和第3个特征在预测中的重要性？

回答：

由于您使用的是线性模型，您可以直接使用系数来获取特征重要性。您可以通过构建一个数据框来绘制（将索引设置为属性，以便设置刻度标签）：

pd.Series(abs(svc.coef_[0])).sort_values(ascending=False).head(10).plot.barh()