在Python中，特征重要性分析是機器學習模型解釋和特征選擇的關鍵步驟。以下是9種常用方法及其實現示例：

---

1. 基于樹的模型內置特征重要性

原理：樹模型（如隨機森林、XGBoost）根據特征分裂時的純度提升（基尼不純度/信息增益）計算重要性。

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