在Python中，特征重要性分析是机器学习模型解释和特征选择的关键步骤。以下是9种常用方法及其实现示例：

---

1. 基于树的模型内置特征重要性

原理：树模型（如随机森林、XGBoost）根据特征分裂时的纯度提升（基尼不纯度/信息增益）计算重要性。

from sklearn.ensemble import RandomForestClassifier
import matplotlib.pyplot as pltmodel = RandomForestClassifier()
model.fit(X_train