BorutaShap特征筛选包的几个问题

最新推荐文章于 2024-06-08 09:34:15 发布
最新推荐文章于 2024-06-08 09:34:15 发布
阅读量506 收藏 8
点赞数 7
文章标签： python matplotlib plotly
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61876987/article/details/136235942
版权
本文主要讨论了使用BorutaShap进行特征筛选时遇到的问题，包括在JupyterNotebook中保存的可视化图显示为空白，以及box_plot缺少legend。作者寻求帮助解决如何修改代码以显示plt.savefig和添加legend的方法。
摘要由CSDN通过智能技术生成

BorutaShap特征筛选包的几个问题

1.运行可视化图后，在jupyter notebook用plt.savefig('BorutaShap特征筛选.jpeg',dpi=600)保持是空白图（没有报错，但是显示空白，不是plt.show()前后的问题），把BorutaShap打开发现里面没有定义savefig，不知道如何修改。

2.运行可视化图后，BorutaShap定义的box_plot也没有定义legend,不知道如何修改。

求大神指点！！

lavender88612
关注
  • 7
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python库 | BorutaShap-1.0.1-py3-none-any.whl
03-28
资源分类：Python库 所属语言：Python 资源全名：BorutaShap-1.0.1-py3-none-any.whl 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
PyPI 官网下载 | BorutaShap-1.0.6.tar.gz
02-10
资源来自pypi官网。 资源全名：BorutaShap-1.0.6.tar.gz
引领数据分析新潮流：Boruta-Shap项目探秘
最新发布
gitblog_00040的博客
06-08 375
引领数据分析新潮流：Boruta-Shap项目探秘 项目地址:https://gitcode.com/Ekeany/Boruta-Shap 在大数据时代，特征选择成为了机器学习与数据科学领域的关键环节。Boruta-Shap，一款新颖的特性选择工具，将经典的Boruta算法与前沿的SHAP（SHapley Additive exPlanations）值相结合，旨在为模型构建提供更高效、准确的特征子...
解决shap绘图保存空白
qq_44297664的博客
09-25 608
只需在每个绘图代码后添加show=False即可。
Boruta-Shap:基于树的特征选择工具，结合了Boruta特征选择算法和Shapley值
05-14
博鲁塔沙普 BorutaShap是一种包装器特征选择方法，它结合了Boruta特征选择算法和Shapley值。 事实证明，这种组合在速度和生成的特征子集的质量上都无法执行原始的排列重要性方法。 该算法不仅提供了更好的特征子集，而且还可以同时提供最准确和一致的全局特征等级，也可用于模型推断。 与原始R包（将用户限制为随机森林模型）不同，BorutaShap允许用户在特征选择过程中选择任何基于树的学习器作为基础模型。 尽管BorutaShap的运行时性能有所提高，但是SHAP TreeExplainer随观察次数线性增长，这使得它在处理大型数据集时非常麻烦。 为了解决这个问题，BorutaShap包含了一个采样过程，该过程使用算法每次迭代时可用数据的最小可能子采样。 它通过比较样本的隔离林产生的分布和使用ks-test的数据来找到该样本。 从实验来看，此过程可以将运行时间减少多达80％，同时
cox版本的Boruta+SHAP分析（心力衰竭数据集）
skyskytotop的博客
04-22 630
COX分析是医学分析中最重要的一种类型，分类结局中纳入了时间因素，较单纯的二分类结局能够提供更多的信息，比如某变量对于结局的贡献随时间是如何变化的？Boruta+SHAP的分析策略也可以用在Cox分析中，并且展示了一些cox分析独特的特点。Boruta算法是变量筛选的有力工具，而SHAP分析是观察预测变量与结局变量间关系的不错的方法，在传统的分析方法的基础上提供了一个全新的视角。Boruta算法+SHAP分析，正在逐渐成为一种流行的分析策略。这部分还是使用Boruta包，如图中仅作稍许变化即可。
脱发数据集的分析流程（Boruta+模型+SHAP）
skyskytotop的博客
03-23 675
通过使用Boruta和SHAP分析，我们可以确定与脱发相关的危险因素，并了解每个因素对脱发的贡献程度。这样可以帮助我们识别和理解脱发的危险因素，从而采取相应的措施预防脱发的发生。Boruta是一种特征选择算法，它可以从众多的变量中选择与目标变量（在这里是脱发）相关的变量。本分析的目的是得出脱发相关的因素，随后使用相关的因素建立预测模型，最后对模型的输出做一定的解释。这一步分析的作用可以让我们将注意力集中在相关的变量上，做到后续的分析有的放矢。预测模型的构建是常规操作，并没有特殊的地方，这里从略。
Boruta 和 SHAP ：不同特征选择技术之间的比较以及如何选择
deephub
07-20 5208
当我们执行一项监督任务时，我们面临的问题是在我们的机器学习管道中加入适当的特征选择。只需在网上搜索，我们就可以访问讨论特征选择过程的各种来源和内容。 总而言之，有不同的方法来进行特征选择。文献中最著名的是基于过滤器和基于包装器的技术。在基于过滤器的过程中，无监督算法或统计数据用于查询最重要的预测变量。在基于包装器的方法中，监督学习算法被迭代拟合以排除不太重要的特征。 通常，基于包装器的方法是最有效的，因为它们可以提取特征之间的相关性和依赖性。另一方面，它们更容易过拟合。为了避免这种问题并充分利用基于包装器的
boruta_py, Boruta的python 实现所有相关特征选择方法.zip
09-18
boruta_py, Boruta的python 实现所有相关特征选择方法 boruta_py项目主持了 python的 Boruta的所有相关特征选择方法。[Related blog post] ( http://danielhomola.com/2015/05/08/borutapy-an-all-rel
使用 SHAP 值解释的成对获取预测-研究论文
06-10
市场上可能会发生意外收购，这会对市场环境产生重大影响。 因此，预测未来的收购方和被收购方公司对收购或投资策略很重要。 由于以下要求，该预测是一个具有挑战性的问题：纳入各种非财务因素并解决缺乏负样本的问题。 对于前者，我们建议包括一个代表收购方和被收购方在投资和类别网络中的重要性的网络特征，以及一个与其相似性和接近度相关的公司关系特征。 考虑到后者的要求，作为反例，我们设置了具有与正例相似特征的获取者和被获取者对。 这允许了解被选中进行收购的公司和候选公司之间的细微差别。 我们使用从 CrunchBase 收集的 2000-2018 年采集日志评估了我们提出的预测模型。 基于对高 SHapley 加性解释 (SHAP) 值特征的分析，我们发现新考虑的网络和公司关系特征具有很高的重要性（22 个关键特征中的 10 个）。 我们还通过解释 SHAP 值阐明了这些新特征如何有助于预测收购发生。
Feature Selection with the Boruta Package的中文翻译全文
07-12
Feature Selection with the Boruta Package的中文翻译全文 Feature Selection with the Boruta Package的中文翻译全文 Feature Selection with the Boruta Package的中文翻译全文 利用boruta算法进行特征选择，详细的例子和算法的解释
构建一个快速数据分析（boruta+shap+rcs）的shiny APP
skyskytotop的博客
05-08 652
立方样条回归（RCS）用的是独立变量及其SHAP值之间的单因素回归，但是因为SHAP值计算的时候是多因素lightgbm计算出来的，所以最终结果中含有多因素的成份，与普通的两个变量之间的直接RCS拟合不同。1.筛选， 使用boruta算法对变量实现快速的筛选，后续分析只针对感兴趣的变量，因而提高了分析的效率。这一步耗费的时间比较长。但是运行起来比较耗费资源，主要是第二步导致部署在网路上的APP运行时间过长，体验较差，需要寻求其它的解决办法，目前APP是二分类的版本，后续可能退出COX的版本，敬请期待。
使用Boruta进行特征选择
Neptuneyut的博客
07-30 9713
特征选择（feature selsection）是机器学习最重要的步骤，如果说算法决定了模型的下线，那么特征就决定模型的上线；另外，需要注意不是说用尽可能多的特征得出的模型表现越好，有些时候数个特征就能得到理想的结果。 Boruta采用随机森林的办法抽取特征、打乱特征顺序计算特征的重要性 #1.安装特征选择包Boruta if(!requireNamespace('Boruta',quietly=...
基于SHAP的特征筛选----说明
weixin_44848780的博客
01-02 1154
3.对于每一个未被消除的特征，使用 Shap 值计算单独消除其中一个特征前后损失函数变化的得分。其中ai是模型对样本xi的预测结果，vi,j是j特征对样本i预测结果的贡献度，二者有如下关系。对模型输出的贡献，从而帮助确定哪些特征对模型预测的影响较小，可以被移除。------- 去掉特征j后，模型对样本xi预测结果的损失。------- 模型对样本xi预测结果的损失。2.计算当前损失值（从原始特征中消除了E中的特征后的）1.从从空的已消除特征集合 E={}开始。在特征消除中，使用SHAP值来衡量。
数据分析时，进行数据建模该如何筛选关键特征？
qq_42963448的博客
04-12 712
1.为什么要做关键特征筛选？ 在数据量与日俱增的时代，我们收集到的数据越来越多，能运用到数据分析挖掘的数据也逐渐丰富起来，但同时，我们也面临着如何从庞大的数据中筛选出与我们业务息息相关的数据。（大背景）从数据中挖掘潜在的规律，辅助我们在实际业务中进行决策。 在现实任务中经常会遇到维数灾难问题，属性过多造成的。可以降低学习任务的难度，不相关的特征就是噪声。它有助于减少数据集的大小和复杂性，反过来使我们可以用更少的时间来训练模型，更少的计算成本来训练机器学习模型和进行推理；具有较少特征的简单机器学习模型更容易理
特征选取的boruta
sphinxrascal168的博客
08-08 506
# X=X.values # y=y.values #更改为bor特征选择器 # import sklearn # from lightgbm.sklearn import LGBMClassifier # from sklearn.ensemble import RandomForestClassifier # from boruta import BorutaPy # rf = LGBMClassifier(num_leaves=60,max_depth=7,n_estimators=1200,lea
borutashap
01-22
borutashap是一个斯洛文尼亚语的词语，它的意思是“拥抱”。这个词可以是动词也可以是名词，用来表达亲密、关怀和温暖的情感。在日常生活中，人们常常用borutashap来描述一个温暖的拥抱，可以是情侣之间的拥抱，也可以是朋友之间的拥抱。 拥抱是一种有深刻意义的身体接触，它可以传递关心、爱意和支持。当我们感到孤独、紧张或悲伤时，一个真诚的拥抱可以给我们安慰和慰藉。它可以缓解压力，减轻焦虑，增强自信心。 此外，拥抱还有很多积极影响身体和心理健康的好处。通过接触和身体亲近，拥抱可以促进荷尔蒙的释放，如内啡肽和催产素，这些荷尔蒙可以提高幸福感和缓解疼痛。 拥抱在不同文化中也有不同的意义和习俗。在一些国家，拥抱是一种常见的问候方式，用于表达友好和尊重。而在其他文化中，拥抱可能被视为私人和亲密的行为。 总之，borutashap是一个美丽的词语，它提醒我们要关心和支持我们身边的人。拥抱是一种沟通的方式，它可以带来温暖和快乐，让人与人之间更加亲密和相连。让我们经常用这个词来传递爱和亲情，为生活增添温馨和幸福。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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