python - 如何确定支持向量机中非线性核的特征重要性

Question

我正在使用以下代码计算特征重要性。

from matplotlib import pyplot as plt
from sklearn import svm

def features_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)
feature_importances(svm.coef_, features_names)

我如何能够计算非线性内核的特征重要性，它在给定的示例中没有给出预期的结果。

Answer 1

简短的回答:这是不可能的，(至少现在的库做不到。)线性 SVM 的特征重要性可以被找出，但非线性 SVM 不能，原因是，当 SVM 是非线性数据集被映射到一个更高维度的空间，这与父数据集有很大的不同，并且获得了超平面，并且这个高维数据和属性从父数据集的属性发生了变化，因此这是不可能的找到此 SVM 相对于父数据集特征的特征重要性。