数据结构
网络
RDBMS
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何使用 xgboost.XGBCClassifier.feature_importances_ 模型绘制图？(Matplotlib)
如要在 **xgboost.plot_importance** 中更改绘图大小，我们可以采取以下步骤 -
- 设置图形大小并调整子图之间的和周围的填充。
- 从 **csv** 文件加载数据。
- 从加载的数据集中获取 **x** 和 **y** 数据。
- 获取 **xgboost.XGBCClassifier.feature_importances_** 模型实例。
- 将 **x** 和 **y** 数据拟合到模型中。
- 打印模型。
- 制作条形图。
- 使用 **show()** 方法显示图形。
示例
from numpy import loadtxt
from xgboost import XGBClassifier
from matplotlib import pyplot as plt
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
# data.csv contains data like -> 13, 145, 82, 19, 110, 22.2, 0.245, 57, 0
dataset = loadtxt('data.csv', delimiter=",")
X = dataset[:, 0:8]
y = dataset[:, 8]
model = XGBClassifier()
model.fit(X, y)
print(model.feature_importances_)
plt.bar(range(len(model.feature_importances_)), model.feature_importances_)
plt.show()输出
[13:46:53] WARNING: ../src/learner.cc:1095: Starting in XGBoost 1.3.0, the default evaluation metric used with the objective 'binary:logistic' was changed from 'error' to 'logloss'. Explicitly set eval_metric if you'd like to restore the old behavior. [0.10621197 0.2424023 0.08803366 0.07818192 0.10381887 0.1486732 0.10059207 0.13208601]
更新于：08-Jul-2021
297 次浏览
广告