如何通过“信息增益”获取XGBoost中的特征重要性?

我们可以通过“权重”获取特征重要性:

model.feature_importances_

但这并不是我想要的。我想要通过信息增益来获取特征重要性。

我们可以通过“增益”图来获取特征重要性:

xgboost.plot_importance(model, importance_type='gain')

然而,我不知道如何从上面的图中获取特征重要性数据。或者

是否有类似于 model.feature_importances_ 的函数可以提供基于增益的特征重要性?这两种方法都可以。 如果问题不够清楚,请在评论中告诉我。


回答:

你可以从以下方法获取:

model.booster().get_score(importance_type='gain')

http://xgboost.readthedocs.io/en/latest/python/python_api.html

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注