我们如何使用功能重要性来查找&#39；最差&#39；特征？

我有一些工作中的数据基本上是保密的，所以我不能在这里分享，但下面的数据集很好地说明了这一点。基本上，我想运行一个功能重要性练习，以找到对从属功能（MDEV）影响最大的顶级独立功能（在本例中为RM、LSTAT和DIS）。完成了！我的问题是…我如何使用此模型来查找与顶级独立功能（RM、LSTAT和DIS）相关联的ID？

查看图后，是否只是按RM、LSTAT和DIS的降序对数据帧进行排序，因为这些是影响从属特性的最具影响力的特性？我不认为它是这样工作的，但也许就是这样。在这种情况下，考虑到我的业务需求，我假设RM、LSTAT和DIS是“最差”的功能。

from sklearn.datasets import load_boston
import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
import statsmodels.api as sm
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.feature_selection import RFE
from sklearn.linear_model import RidgeCV, LassoCV, Ridge, Lasso
from sklearn.ensemble import RandomForestRegressor

#Loading the dataset
x = load_boston()
df = pd.DataFrame(x.data, columns = x.feature_names)
df["MEDV"] = x.target
X = df.drop("MEDV",1)   #Feature Matrix
y = df["MEDV"]                #Target Variable
df.head()

df['id'] = df.groupby(['MEDV']).ngroup()
df = df.sort_values(by=['MEDV'], ascending=True)
df.head(10)

names = df.columns
reg = RandomForestRegressor()
reg.fit(X, y)
print("Features sorted by their score:")
print(sorted(zip(map(lambda x: round(x, 4), reg.feature_importances_), names), reverse=True))

features = names
importances = reg.feature_importances_
indices = np.argsort(importances)

plt.title('Feature Importances')
plt.barh(range(len(indices)), importances[indices], color='#8f63f4', align='center')
plt.yticks(range(len(indices)), features[indices])
plt.xlabel('Relative Importance')
plt.show()