分别利用xgbboost和catboost算法做特征重要性排序

本文探讨了使用xgbboost和catboost算法进行特征重要性排序,并指出catboost的结果更符合业务逻辑,尤其是在二分类特征上的表现。这提示我们需要深入理解两种算法在处理此类特征时的差异。
摘要由CSDN通过智能技术生成

分别利用xgbboost和catboost算法做特征重要性排序

xgbboost

# -*- coding: utf-8 -*-
import pandas as pd
from sklearn.model_selection import train_test_split
import xgboost as xgb
from matplotlib import pyplot as plt
from sklearn.metrics import confusion_matrix
import warnings
warnings.filterwarnings('ignore')
plt.rcParams['font.family']='Microsoft YaHei' #显示中文标签
plt.style.use ('ggplot') #设定绘图风格
import seaborn as sns


df = pd.read_csv('***.csv')

df = df.fillna(0)

df.drop(['distinct_id'],axis=1,inplace=True)

df.rename(columns={
   'is_stay':'是否留存','max(is_login)':'是否登录','start_numbers':'启动次数','is_play':'是否播放视频','is_action':'是否评论/收藏/点赞/分享','show_numbers':'视频曝光数','video_play_numbers':'视频播放数','real_video_play_numbers':'视频有效播放数','video_play_time':'视频播放总时长','video_play_rate':'视频播放率','video_real_play_rate':'视频有效播放率','play_time_per_play':'每播放播放时长','play_time_per_show':'每曝光播放时长'},inplace=True) 

X = df.drop(['是否留存'],axis=1)
y = df
  • 0
    点赞
  • 34
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值