前言

特征重要性分析，顾名思义就是要看看这一批参数里面，各个参数对模型预测结果的贡献度分别是多少，对于每一个预测结果来说，哪些参数的贡献度是最大的，哪些参数是无关紧要的。在本文中，我们以预测股票涨跌为例，简要介绍使用 Python 来对股票预测模型的参数进行特征重要性分析的方法，希望对大家能有所帮助。

导入依赖包

import sys
import numpy as np
import csv
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.inspection import permutation_importance
import shap
from matplotlib import pyplot as plt

print("python version: {}".format(sys.version)) 

这里我使用的 Python 版本是：3.9.5 (tags/v3.9.5:0a7dcbd, May 3 2021, 17:27:52)

准备好模型训练所需的数据

要对预测模型的参数进行重要性分析，首先我们得有关于这些参数的数据（如：'MACD', 'MACD_DIF', 'MACD_DEA', 'DMA_DIF', 'PLRC12', 'PLRC6', 'Price1M', 'Price3M', 'EMA5', 'EMAC10'等等）。这些参数我已经事先准备好了，这里我们只需从文件中读取即可。

使用下面的代码将数据从文件中读取出来：

CSV_FILE_PATH = "./backup/stocks_data_test.csv"

data = pd.read_csv(CSV_FILE_PATH)
row_0 = list(data.loc[0])
row_num = data.iloc[:,0].size

print("data len: {}".format(len(row_0)))
print("row_num: {}".format(row_num))

y_list = []   # 用于存放标签数据
x_list = []   # 用于存放特征数据
for i in range(row_num):
    row_data_list = list(data.loc[i])
    y_list.append(int(row_data_list[0]))
    x_list.append(row_data_list[1:])

# 将数据类型由 list 转换为 array
x_array = np.array(x_list)
y_array = np.array(y_list)

print("x_array shape: {}".format(x_array.shape))
print("y_array shape: {}".format(y_array.shape))
print("==================== Column Name ====================")
print(list(data.columns))
print("----- Finished -----")

从代码运行的输出结果中可以看到，我们这一批数据总共有 19 个参数以及 6884 个样本：

划分训练集和测试集

使用如下代码将整个数据划分为两个部分：测试集和训练集。训练集用于模型训练，测试集用于模型验证和测试。

# test_size=0.2   设置测试集的样本数量为全部样呗的 20%
# random_state=12 设置随机种子为 12
# shuffle=True    打乱样本数据的顺序
x_train, x_test, y_train, y_test = train_test_split(x_array, y_array, test_size=0.2, random_state=12, shuffle=True)

print("x_train shape: {}".format(x_train.shape))
print("y_train shape: {}".format(y_train.shape))
print("x_test  shape: {}".format(x_test.shape))
print("y_test  shape: {}".format(y_test.shape))

print("----- Finished -----")

从代码的运行输出结果可以看到，这里我们划分的训练集样本数量为 5507 个，测试集的样本数量为 1377 个。

用随机森林回归算法对模型进行训练

# n_estimators：森林中决策树的数量
rf = RandomForestRegressor(n_estimators=100)
rf.fit(x_train, y_train)

print("----- Finished -----")

模型训练好了之后，我们可以使用如下代码使用模型对测试集中的数据进行预测：

predict_value = rf.predict(x_test)
for idx,value in enumerate(predict_value):
    print("[predict]: idx = {}, label = {}, predict = {}".format(idx, y_test[idx], value))

print("----- Finished -----")

调用模型解释包 shap 对参数进行特征重要性分析

# 我们记录在文件中的数据的特征参数名称
columns_name_list = [
    'ChangePercent', 'MACD', 'MACD_DIF', 'MACD_DEA', 'DMA_DIF', 'PLRC12', 'PLRC6', 'Price1M', 
    'Price3M', 'EMA5', 'EMAC10', 'EMAC12', 'EMAC20', 'EMAC26', 'MAC5', 'MAC10', 'MAC20', 'MAC60', 'MAC120'
]
explainer = shap.TreeExplainer(rf)
shap_values = explainer.shap_values(x_test)
shap.summary_plot(shap_values, x_test, feature_names=columns_name_list)

print("----- Finished -----")

运行上面的代码，我们就可以看到各个参数对模型预测结果的贡献度了，红色代表正向贡献，蓝色代表负向贡献，参数的贡献度从上往下是由大到小，具体情况如下图所示：

对单个预测结果的特征贡献度进行可视化显示

shap.initjs()
shap.force_plot(explainer.expected_value, shap_values[0,:], x_test[0,:],feature_names=columns_name_list)

shap.initjs()
shap.force_plot(explainer.expected_value, shap_values[4,:], x_test[4,:],feature_names=columns_name_list)

对测试集全部样本预测结果的特征重要性进行可视化

shap.initjs()
shap.force_plot(explainer.expected_value, shap_values, x_test,feature_names=columns_name_list)

结语

以上就是使用 Python 对股票涨跌预测模型的参数进行重要性分析的方法了，如果感觉还不错的话，可以帮忙给个赞哦，感谢各位支持。 需要注意的是，模型预测的准确性和模型以及数据都有关系，要谨慎使用。