使用xgboost绘制特征重要性

当我绘制特征重要性时,得到的是一个混乱的图表。我有超过7000个变量。我知道内置函数只选择最重要的变量,但最终的图表难以阅读。这是我完整的代码:

import numpy as npimport pandas as pddf = pd.read_csv('ricerice.csv')array=df.valuesX = array[:,0:7803]Y = array[:,7804]from xgboost import XGBClassifierfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_scoreseed=0test_size=0.30X_train, X_test, y_train, y_test = train_test_split(X,Y,test_size=test_size, random_state=seed)from xgboost import XGBClassifiermodel = XGBClassifier()model.fit(X, Y)import matplotlib.pyplot as pltfrom matplotlib import pyplotfrom xgboost import plot_importancefig1=plt.gcf()plot_importance(model)plt.draw()fig1.savefig('xgboost.png', figsize=(50, 40), dpi=1000)

尽管图表尺寸很大,但图表仍然难以辨认。 xgboost feature importance plot


回答:

有几个要点需要注意:

  1. 要拟合模型,你应该使用训练数据集(X_train, y_train),而不是整个数据集(X, y)。
  2. 你可以使用plot_importance()函数的max_num_features参数来只显示前max_num_features个特征(例如前10个)。

通过对你的代码进行上述修改,并使用一些随机生成的数据,代码和输出如下所示:

import numpy as np# generate some random data for demonstration purpose, use your original dataset hereX = np.random.rand(1000,100)     # 1000 x 100 datay = np.random.rand(1000).round() # 0, 1 labelsfrom xgboost import XGBClassifierfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_scoreseed=0test_size=0.30X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=test_size, random_state=seed)from xgboost import XGBClassifiermodel = XGBClassifier()model.fit(X_train, y_train)import matplotlib.pylab as pltfrom matplotlib import pyplotfrom xgboost import plot_importanceplot_importance(model, max_num_features=10) # top 10 most important featuresplt.show()

enter image description here

Related Posts

Flatten and back keras

我正在尝试使用自编码器获取简单向量中的值 这是我的代码…

如何按索引访问PyTorch模型参数

如果我的网络有10层,包括偏置项,如何仅通过索引访问第…

Python中多元逻辑回归显示错误

我试图使用逻辑回归进行预测,并使用Python和skl…

在MACOS上安装NLTK

我在我的2015款Mac Pro上尝试安装NLTK,操…

如何在R中将通过RFE选择的变量插入到机器学习模型中?

我想使用递归特征消除方法来选择最重要的特征,然后将这些…

CountVectorizer 错误:ValueError: setting an array element with a sequence

我有一个包含144条学生反馈的数据集,其中有72条正面…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注