预处理后的名称特征重要性图

Question

在构建模型之前，我会像这样进行缩放

X = StandardScaler(with_mean = 0, with_std = 1).fit_transform(X)

并在构建特征重要性图后

xgb.plot_importance(bst, color='red')
plt.title('importance', fontsize = 20)
plt.yticks(fontsize = 10)
plt.ylabel('features', fontsize = 20)

问题是我们得到的不是特征名称，而是 f0、f1、f2、f3 等...... 如何return特征的名称？

谢谢

Answer 1

首先我们在预处理之前得到特征名称列表

dtrain = xgb.DMatrix( X, label=y)
dtrain.feature_names

然后

bst.get_fscore()
mapper = {'f{0}'.format(i): v for i, v in enumerate(dtrain.feature_names)}
mapped = {mapper[k]: v for k, v in bst.get_fscore().items()}
mapped
xgb.plot_importance(mapped, color='red')

就这些了

Answer 2

对于 xgboost 0.82，答案很简单，只需用特征名称字符串列表覆盖特征名称属性即可。

trained_xgbmodel.feature_names = feature_name_list
xgboost.plot_importance(trained_xgbmodel)

Answer 3

您可以通过以下方式检索 Xgboost 模型的重要性（使用 scikit-learn 像 API 训练）：

xgb.feature_importances_

检查重要性类型：xgb.importance_type。重要性类型可以在 Xgboost 构造函数中设置。您可以在 post.

中阅读 Xgboost 中计算特征重要性的方法

预处理后的名称特征重要性图

Names features importance plot after preprocessing

python

xgboost