Xgboost模型之二特征重要性计算及模型的特征选择

XGBOOST模型对于一些场景有着不错的表现,切提供了一个很多的特征重要性的计算:

准备:

把一些用到的包安装一下,如xgboost,sklearn等

建议使用国内的镜像源,否则106M会让你等很久,

具体可以参考:

pip安装包较慢的解决办法_这孩子谁懂哈的博客-CSDN博客

1.使用的 Pima印第安人糖尿病的测试数据集;

下载地址:皮马印第安人糖尿病数据集免费下载分享-机器学习文档类资源-CSDN下载

2.计算特征重要性:

# plot feature importance manually
from numpy import loadtxt
from xgboost import XGBClassifier
from xgboost import plot_importance
from matplotlib import pyplot
import sklearn
# load data   FE_pima-indians-diabetes.csv
dataset = loadtxt(r'C:\Users\Administrator\Desktop\pima-indians-diabetes.csv', delimiter=",",skipro
  • 1
    点赞
  • 27
    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