Question

根据xgboost文档（https://xgboost.readthedocs.io/en/latest/python/python_api.html#module-xgboost.training），xgboost返回功能的重要性：

功能_重要性

功能重要性属性

注意

仅对树木助推器定义了特征重要性。仅在选择决策树模型作为基础学习者时定义特征重要性   （（（booster = gbtree）。未为其他基础学习器类型定义，例如线性学习器（booster = gblinear）。

返回： feature_importances _

返回类型：形状为[n_features]的数组

但是，这似乎并没有发生，如以下玩具示例所示：

import seaborn as sns
import xgboost as xgb

mpg = sns.load_dataset('mpg')

toy = mpg[['mpg', 'cylinders', 'displacement', 'horsepower', 'weight',
       'acceleration']]

toy = toy.sample(frac=1)

N = toy.shape[0]

N1 = int(N/2)

toy_train = toy.iloc[:N1, :]
toy_test = toy.iloc[N1:, :]

toy_train_x = toy_train.iloc[:, 1:]

toy_train_y = toy_train.iloc[:, 1]

toy_test_x = toy_test.iloc[:, 1:]

toy_test_y = toy_test.iloc[:, 1]

max_depth = 6
eta = 0.3
subsample = 0.8
colsample_bytree = 0.7
alpha = 0.1

params = {"booster" : 'gbtree' , 'objective' : 'reg:linear' , 'max_depth' : max_depth, 'eta' : eta,\
             'subsample' : subsample, 'colsample_bytree' : colsample_bytree, 'alpha' : alpha}

dtrain_toy = xgb.DMatrix(data = toy_train_x , label = toy_train_y)
dtest_toy = xgb.DMatrix(data = toy_test_x, label = toy_test_y)
watchlist = [(dtest_toy, 'eval'), (dtrain_toy, 'train')]

xg_reg_toy = xgb.train(params = params, dtrain = dtrain_toy, num_boost_round = 1000, evals = watchlist, \
                early_stopping_rounds = 20)

xg_reg_toy.feature_importances_
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-378-248f7887e307> in <module>()
----> 1 xg_reg_toy.feature_importances_

AttributeError: 'Booster' object has no attribute 'feature_importances_'

Answer 1

您使用的是Learning API，但您指的是Scikit-Learn API。而且只有Scikit-Learn API具有属性feature_importances。

Answer 2

由于明显的原因，对于像我这样不使用Scikit-Learn API的人。通过here，我了解了该功能的重要性：

clf.get_score()

此外，我正在寻找一种更直观的表示法here：

from xgboost import plot_importance
plot_importance(clf, max_num_features=10)

这会按照重要性的顺序生成带有指定（可选）max_num_features的条形图。

尽管文档中提到了xgboost，Python中的xgboost并没有恢复功能的重要性

2 个答案: