predictor = TabularPredictor(label=label).fit(train_data)
# 输出特征重要性
fi = predictor.feature_importance(train_data)
print(fi)
```
在此示例中，我们首先使用
**TabularDataset**
加载训练数据。然后，我们创建一个**TabularPredictor**
对象并将其拟合到训练数据。最后，我们调用**TabularPredictor**
对象的**feature_importance**
方法以输出特征重要性。**feature_importance**
方法以训练数据作为输入，并返回包含特征重要性分数的pandas DataFrame。
请注意，
**TabularPredictor**
类是**autogluon.tabular**
模块的一部分，因此您需要在代码中导入此模块。此外，请确保在运行此代码之前已安装**autogluon**
软件包。
标签：importance,train,feature,label,autogluon,TabularPredictor,autoAI From： https://www.cnblogs.com/furiyo/p/17240931.html