查看xgb特征重要性输出全是nan,ValueError:'Booster.get_score() results in empty' 的原因及解决方案

在使用XGBoost进行特征选择时,遇到特征重要性全为'nan'的问题,导致画图失败。问题源于训练集中响应变量Y包含5000个空值,这是由于训练集与测试集混合。解决方案是确保训练集不含'nan'值,或者在合并数据集前处理缺失值。对于少量'nan'样本,可删除或在分类问题中设为独立类别。
摘要由CSDN通过智能技术生成

1 问题描述

我想用XGBoost来建立一个模型,通过特征构造之后我需要做一个特征选择来减少特征数量、降维,使模型泛化能力更强,减少过拟合:

这里尝试通过查看特征重要性来筛选特征:

from xgboost import XGBRegressor
from xgboost import plot_importance

xgb = XGBRegressor()
xgb.fit(X, Y)
print(xgb.feature_importances_)

plt.figure(figsize=(20, 10))
plot_importance(xgb)
plt.show()

输出如下:
在这里插入图片描述
这里输出的特征重要性全部为 ‘nan’,画图也抛出了一个错误:ValueError:Booster.get_score()

评论
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