Feature_importances in scikitは、どのように正しいパラメータを選択するか学習しますか？

Question

私の仕事は、（Xデータセットの列にある）どの機能がターゲット変数yを予測するのに最適かを理解することです。私はRandomForestClassifierでfeature_importances_を使うことに決めました。 RandomForestClassifierは、max_depth = 10およびn_estimators = 50のときに最高のスコア（aucroc）を持ちます。最高のパラメータまたはデフォルトのパラメータでfeature_importances_を使用するのは正しいですか？どうして？ feature_importances_はどのように機能しますか？

たとえば、最高とデフォルトのパラメータを持つモデルがあります。

1）

model = RandomForestClassifier(max_depth=10,n_estimators = 50) 
model.fit(X, y) 
feature_imp = pd.DataFrame(model.feature_importances_, index=X.columns, columns=["importance"]) 

2）

model = RandomForestClassifier() 
model.fit(X, y) 
feature_imp = pd.DataFrame(model.feature_importances_, index=X.columns, columns=["importance"]) 

Answer 1

私はそれはあなたが使用しようとしているモデルであり、あなたが最良のパラメータでfeature_importances_使うべきだと思います。特別な扱いに値するデフォルトパラメータは特別なものはありません。 feature_importances_の仕組みについては、scikit-learnの著者の回答をここで参照できます。How are feature_importances in RandomForestClassifier determined?