我在Python中运行了一个随机森林模型来查看特征的重要性。然而，可预测值(y)无法被删除，并且它看起来像是一个占据了超过98%重要性的参数。

代码如下：

temp=pd.read_csv('temp_data.csv',sep=',',engine='python')temp['y'] = temp['temp_actual']y = temp['y'].valuestemp = temp.drop(['y'],axis=1)#X = temp.loc[:,:]x= temp.valuesfrom sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=42)

请帮助修正代码。谢谢！

回答：

在你的代码中，你通过以下代码将目标特征复制到列y

temp['y'] = temp['temp_actual']

然后你将y设置为该列中的值

y = temp['y'].values

接着你用以下代码从数据框中删除了y列

temp = temp.drop(['y'],axis=1)

现在如果你查看数据框temp的列，你会发现y不存在了，但temp_actual还在。

你必须从数据框中删除该列，要做到这一点，你可以使用以下任何一种方法。

del temp['temp_actual']

或者

temp = temp.drop(['temp_actual'], axis=1)