"特征重要性数量与Scikit学习中DecisionTreeClassifi中的特征数量不匹配"

Question

我使用下面的Python代码（wordsdatam只是一个数组，包含0到19列的输入和第20列的输出），将一个决策树装配到一个包含20个输入和1个分类输出的数据集中

clsfr=tree.DecisionTreeClassifier(max_depth=2,min_samples_leaf=50)
clsfr=clsfr.fit(wordsDatum[:,0:19],wordsDatum[:,20])
for items in clsfr.feature_importances_:
    print items

当我打印特性重要性时，我只得到19个值-这很奇怪，因为我有20个特性。你知道这里会发生什么吗？在

谢谢你的帮助！在

Answer 1

谢谢你的回复！是的，python似乎有这种怪癖（？）包括下限，但不包括范围的上限

Answer 2

这是由于在python中如何定义列表。你可以在这个here上找到一些很好的见解。在

但总而言之，如果您定义这样的列表：

my_list = [0, 1, 2, 3, 4, 5]

你打电话给my_list[0:5]，它会给你：

^{pr2}$

因此，如果您将代码的第二行更改为：

clsfr=clsfr.fit(wordsDatum[:,0:20],wordsDatum[:,20])

它会做你所期望的。它将包括前20个功能。在