在处理三列数据的情况下，（在我的测试案例中）我发现所有列都被视为同等重要。

random_forest.feature_importances_array([0.3131602 , 0.31915436, 0.36768544])

有没有办法为其中一列增加权重？

更新：

我认为在这种情况下可以使用xgboost。我尝试过，但遇到了这个错误：

import xgboost as xgbparam = {}num_round = 2dtrain = xgb.DMatrix(X, y)dtest  = xgb.DMatrix(x_test_split)dtrain_split = xgb.DMatrix(X_train, label=y_train)dtest_split = xgb.DMatrix(X_test)gbdt = xgb.train(param, dtrain_split, num_round)y_predicted = gbdt.predict(dtest_split)rmse_pred_vs_actual = xgb.rmse(y_predicted, y_test)

AttributeError: module ‘xgboost’ has no attribute ‘rmse’

回答：

错误是由于假设xgb有方法”rmse”引起的：

rmse_pred_vs_actual = xgb.rmse(y_predicted, y_test)

错误信息明确指出：AttributeError: module 'xgboost' has no attribute 'rmse'

使用sklearn.metrics.mean_squared_error

通过以下方式：

from sklearn.metrics import mean_squared_error# 你的代码rmse_pred_vs_actual = mean_squared_error(y_test, y_predicted)

这将解决你的错误，但它仍然无法控制特征的重要性。

现在，如果你真的想改变某个特征的重要性，你需要创造性地思考如何进行这样的改变。我不知道有什么教科书式的解决方案，也不知道xgboost中有任何方法。你可以按照Stev在你问题评论中发布的链接进行，可能获得一些想法（包括更改你的机器学习算法）。