我有一个数据集，我想在这个数据集上训练我的模型。训练后，我需要知道哪些特征在SVM分类器的分类中起主要作用。

对于森林算法，有一种称为特征重要性的方法，有没有类似的方法呢？

回答：

是的，SVM分类器有一个属性coef_，但它只适用于线性核的SVM。对于其他核，这是不可能的，因为数据通过核方法被转换到另一个空间，这个空间与输入空间无关，请查看解释。

from matplotlib import pyplot as pltfrom sklearn import svmdef f_importances(coef, names):    imp = coef    imp,names = zip(*sorted(zip(imp,names)))    plt.barh(range(len(names)), imp, align='center')    plt.yticks(range(len(names)), names)    plt.show()features_names = ['input1', 'input2']svm = svm.SVC(kernel='linear')svm.fit(X, Y)f_importances(svm.coef_, features_names)

函数的输出看起来像这样：