随机森林；群体；重要性比较

Question

当我用聚类将样本分成了七个类别，共1124个样本，这七个类别用离散数据1-7表示，在CSV中占一列
想探究五个变量（离散数据），在CSV中占了五列
然后想要用随机森林判断这五个变量分别对这七个群体的影响程度，请问怎么用python求出这五个变量分别对上述各个群体的影响程度大小，能不能做可视化处理，具体怎么写代码

Answer 1

from sklearn.ensemble import RandomForestClassifier
import numpy as np
# 假设data为样本特征矩阵，labels为样本标签
# 将样本分成七个类别后，假设cluster_labels为七个类别的标签
# 假设四个变量的列索引分别为0, 1, 2, 3
# 训练随机森林模型，n_estimators为树的数量
rf = RandomForestClassifier(n_estimators=100, random_state=42)
rf.fit(data, cluster_labels)
# 获取特征重要性
importances = rf.feature_importances_
# 将特征重要性进行归一化
importances = importances / np.sum(importances)
# 输出每个特征对样本分类的影响程度（即特征重要性）
for i, importance in enumerate(importances):
    print(f"Feature {i}: {importance}")