久久国产乱子伦精品,一级操逼电影,黄片大全免费看,欧美操逼视频,xxxx欧美视频,天天爽天天射,超碰人人超碰,中文字幕亚洲综合久久菠萝蜜

使用諸如梯度增強之類的決策樹方法的集成的好處是，它們可以從訓練有素的預測模型中自動提供特征重要性的估計。

在本文中，您將發(fā)現(xiàn)如何使用Python中的XGBoost庫來估計特征對于預測性建模問題的重要性，閱讀這篇文章后，您將知道：

如何使用梯度提升算法計算特征重要性。
如何繪制由XGBoost模型計算的Python中的特征重要性。
如何使用XGBoost計算的特征重要性來執(zhí)行特征選擇。

梯度提升中的特征重要性

使用梯度增強的好處是，在構(gòu)建增強后的樹之后，檢索每個屬性的重要性得分相對簡單。通常，重要性提供了一個分數(shù)，該分數(shù)指示每個特征在模型中構(gòu)建增強決策樹時的有用性或價值。用于決策樹的關(guān)鍵決策使用的屬性越多，其相對重要性就越高。

此重要性是針對數(shù)據(jù)集中的每個屬性明確計算得出的，從而可以對屬性進行排名并進行相互比較。單個決策樹的重要性是通過每個屬性拆分點提高性能指標的數(shù)量來計算的，并由節(jié)點負責的觀察次數(shù)來加權(quán)。性能度量可以是用于選擇拆分點的純度（基尼系數(shù)），也可以是其他更特定的誤差函數(shù)。然后，將特征重要性在模型中所有決策樹之間平均。有關(guān)如何在增強型決策樹中計算特征重要性的更多技術(shù)信息，請參見《統(tǒng)計學習的要素：數(shù)據(jù)挖掘，推理和預測》（第367頁）第10.13.1節(jié)“預測變量的相對重要性”。另外，請參見Matthew Drury對StackOverflow問題“ Boosting的相對變量重要性”的回答，在此他提供了非常詳細和實用的答案。

手動繪制特征重要性

訓練有素的XGBoost模型會自動計算出您的預測建模問題中的特征重要性。這些重要性分數(shù)可在訓練模型的feature_importances_成員變量中獲得。例如，可以按如下所示直接打印它們：

print(model.feature_importances_)

我們可以將這些得分直接繪制在條形圖上，以直觀表示數(shù)據(jù)集中每個特征的相對重要性。例如：

# plot
pyplot.bar(range(len(model.feature_importances_)), model.feature_importances_)
pyplot.show()

我們可以通過在皮馬印第安人發(fā)病的糖尿病數(shù)據(jù)集上訓練XGBoost模型并根據(jù)計算出的特征重要性創(chuàng)建條形圖來證明這一點。

下載數(shù)據(jù)集并將其放置在當前工作目錄中。

數(shù)據(jù)集文件:

https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.csv

數(shù)據(jù)集詳細信息:

https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.names

# plot feature importance manually
from numpy import loadtxt
from xgboost import XGBClassifier
from matplotlib import pyplot
# load data
dataset = loadtxt('pima-indians-diabetes.csv', delimiter=",")
# split data into X and y
X = dataset[:,0:8]
y = dataset[:,8]
# fit model no training data
model = XGBClassifier()
model.fit(X, y)
# feature importance
print(model.feature_importances_)
# plot
pyplot.bar(range(len(model.feature_importances_)), model.feature_importances_)
pyplot.show()

注意：由于算法或評估程序的隨機性，或者數(shù)值精度的差異，您的結(jié)果可能會有所不同?？紤]運行該示例幾次并比較平均結(jié)果。

首先運行此示例將輸出重要性分數(shù)。

[ 0.089701    0.17109634  0.08139535  0.04651163  0.10465116  0.2026578 0.1627907   0.14119601]

我們還獲得了相對重要性的條形圖。

該圖的缺點是要素按其輸入索引而不是其重要性排序。我們可以在繪制之前對特征進行排序。

值得慶幸的是，有一個內(nèi)置的繪圖函數(shù)可以幫助我們。

使用內(nèi)置XGBoost特征重要性圖XGBoost庫提供了一個內(nèi)置函數(shù)，可以按重要性順序繪制要素。該函數(shù)稱為plot_importance（），可以按以下方式使用：

# plot feature importance
plot_importance(model)
pyplot.show()

例如，以下是完整的代碼清單，其中使用內(nèi)置的plot_importance（）函數(shù)繪制了Pima Indians數(shù)據(jù)集的特征重要性。

# plot feature importance using built-in function
from numpy import loadtxt
from xgboost import XGBClassifier
from xgboost import plot_importance
from matplotlib import pyplot
# load data
dataset = loadtxt('pima-indians-diabetes.csv', delimiter=",")
# split data into X and y
X = dataset[:,0:8]
y = dataset[:,8]
# fit model no training data
model = XGBClassifier()
model.fit(X, y)
# plot feature importance
plot_importance(model)
pyplot.show()

注意：由于算法或評估程序的隨機性，或者數(shù)值精度的差異，您的結(jié)果可能會有所不同?？紤]運行該示例幾次并比較平均結(jié)果。

運行該示例將為我們提供更有用的條形圖。

您可以看到，要素是根據(jù)它們在F0至F7的輸入數(shù)組（X）中的索引自動命名的。手動將這些索引映射到問題描述中的名稱，可以看到該圖顯示F5（體重指數(shù)）具有最高的重要性，而F3（皮膚褶皺厚度）具有最低的重要性。

XGBoost特征重要性評分的特征選擇

特征重要性評分可用于scikit-learn中的特征選擇。這是通過使用SelectFromModel類完成的，該類采用一個模型，并且可以將數(shù)據(jù)集轉(zhuǎn)換為具有選定要素的子集。此類可以采用預訓練的模型，例如在整個訓練數(shù)據(jù)集上進行訓練的模型。然后，它可以使用閾值來確定要選擇的特征。當您在SelectFromModel實例上調(diào)用transform（）方法以一致地選擇訓練數(shù)據(jù)集和測試數(shù)據(jù)集上的相同要素時，將使用此閾值。

在下面的示例中，我們首先訓練，然后分別在整個訓練數(shù)據(jù)集和測試數(shù)據(jù)集上評估XGBoost模型。使用從訓練數(shù)據(jù)集計算出的特征重要性，然后將模型包裝在SelectFromModel實例中。我們使用它來選擇訓練數(shù)據(jù)集上的特征，從選定的特征子集中訓練模型，然后在測試集上評估模型，并遵循相同的特征選擇方案。

例如：

# select features using threshold
selection = SelectFromModel(model, threshold=thresh, prefit=True)
select_X_train = selection.transform(X_train)
# train model
selection_model = XGBClassifier()
selection_model.fit(select_X_train, y_train)
# eval model
select_X_test = selection.transform(X_test)
y_pred = selection_model.predict(select_X_test)

出于興趣，我們可以測試多個閾值，以根據(jù)特征重要性選擇特征。具體來說，每個輸入變量的特征重要性，從本質(zhì)上講，使我們能夠按重要性測試每個特征子集，從所有特征開始，到具有最重要特征的子集結(jié)束。

下面提供了完整的代碼清單：

# use feature importance for feature selection
from numpy import loadtxt
from numpy import sort
from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.feature_selection import SelectFromModel
# load data
dataset = loadtxt('pima-indians-diabetes.csv', delimiter=",")
# split data into X and y
X = dataset[:,0:8]
Y = dataset[:,8]
# split data into train and test sets
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=7)
# fit model on all training data
model = XGBClassifier()
model.fit(X_train, y_train)
# make predictions for test data and evaluate
y_pred = model.predict(X_test)
predictions = [round(value) for value in y_pred]
accuracy = accuracy_score(y_test, predictions)
print("Accuracy: %.2f%%" % (accuracy * 100.0))
# Fit model using each importance as a threshold
thresholds = sort(model.feature_importances_)
for thresh in thresholds:
 # select features using threshold
 selection = SelectFromModel(model, threshold=thresh, prefit=True)
 select_X_train = selection.transform(X_train)
 # train model
 selection_model = XGBClassifier()
 selection_model.fit(select_X_train, y_train)
 # eval model
 select_X_test = selection.transform(X_test)
 y_pred = selection_model.predict(select_X_test)
 predictions = [round(value) for value in y_pred]
 accuracy = accuracy_score(y_test, predictions)
 print("Thresh=%.3f, n=%d, Accuracy: %.2f%%" % (thresh, select_X_train.shape[1], accuracy*100.0))

請注意，如果您使用的是XGBoost 1.0.2（可能還有其他版本），則XGBClassifier類中存在一個錯誤，該錯誤會導致錯誤：

KeyError: 'weight'

這可以通過使用自定義XGBClassifier類來解決，該類為coef_屬性返回None。下面列出了完整的示例。

# use feature importance for feature selection, with fix for xgboost 1.0.2
from numpy import loadtxt
from numpy import sort
from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.feature_selection import SelectFromModel
 
# define custom class to fix bug in xgboost 1.0.2
class MyXGBClassifier(XGBClassifier):
 @property
 def coef_(self):
  return None
 
# load data
dataset = loadtxt('pima-indians-diabetes.csv', delimiter=",")
# split data into X and y
X = dataset[:,0:8]
Y = dataset[:,8]
# split data into train and test sets
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=7)
# fit model on all training data
model = MyXGBClassifier()
model.fit(X_train, y_train)
# make predictions for test data and evaluate
predictions = model.predict(X_test)
accuracy = accuracy_score(y_test, predictions)
print("Accuracy: %.2f%%" % (accuracy * 100.0))
# Fit model using each importance as a threshold
thresholds = sort(model.feature_importances_)
for thresh in thresholds:
 # select features using threshold
 selection = SelectFromModel(model, threshold=thresh, prefit=True)
 select_X_train = selection.transform(X_train)
 # train model
 selection_model = XGBClassifier()
 selection_model.fit(select_X_train, y_train)
 # eval model
 select_X_test = selection.transform(X_test)
 predictions = selection_model.predict(select_X_test)
 accuracy = accuracy_score(y_test, predictions)
 print("Thresh=%.3f, n=%d, Accuracy: %.2f%%" % (thresh, select_X_train.shape[1], accuracy*100.0))

注意：由于算法或評估程序的隨機性，或者數(shù)值精度的差異，您的結(jié)果可能會有所不同?？紤]運行該示例幾次并比較平均結(jié)果。

運行此示例將打印以下輸出。

Accuracy: 77.95%
Thresh=0.071, n=8, Accuracy: 77.95%
Thresh=0.073, n=7, Accuracy: 76.38%
Thresh=0.084, n=6, Accuracy: 77.56%
Thresh=0.090, n=5, Accuracy: 76.38%
Thresh=0.128, n=4, Accuracy: 76.38%
Thresh=0.160, n=3, Accuracy: 74.80%
Thresh=0.186, n=2, Accuracy: 71.65%
Thresh=0.208, n=1, Accuracy: 63.78%