我是机器学习的新手，在过去的几个月里，我一直在使用 Sci-Kit Learn 来尝试了解构建功能集和预测模型的基础知识。

现在我尝试在数据集上使用 ML 不是为了预测未来值，而是为了了解每个特征的重要性和方向（正面或负面）。

我的特征 (X) 是描述产品的布尔值和整数值。我的目标 (y) 是产品的销售量。我有大约 15,000 条观察结果，每条有 16 个特征。

到目前为止，我的机器学习知识有限，我相信我可以根据一组新的特征 X 预测（以一定程度的准确度）新的 y。但是，我正在努力连贯地识别、报告和呈现组成 X 的每个特征的重要性和方向。

到目前为止，我采取了两步方法：

1. 使用线性回归观察系数
2. 使用随机森林观察特征重要性

代码

首先，我尝试了解每个功能的方向性影响：

from sklearn import linear_model
linreg = linear_model.LinearRegression()
linreg.fit(X, y)
coef = linreg.coef_
...

其次，我尝试了解每个功能的重要性：

from sklearn import ensemble
forest = ensemble.RandomForestRegressor()
forest.fit(X, y)
importance = forest.feature_importances_
...

然后我将每个特征的两个派生值相乘，最后得到一些值，这可能是我正在寻找的信息！

我很想知道我是否走在正确的轨道上。这是 ML 的常见用例吗？是否有我应该关注的工具、想法、包来帮助指导我？

非常感谢你。