資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何使用 xgboost.XGBCClassifier.feature_importances_ 模型繪製圖？(Matplotlib)
如要在 **xgboost.plot_importance** 中更改繪圖大小，我們可以採取以下步驟 -
- 設定圖形大小並調整子圖之間的和周圍的填充。
- 從 **csv** 檔案載入資料。
- 從載入的資料集中獲取 **x** 和 **y** 資料。
- 獲取 **xgboost.XGBCClassifier.feature_importances_** 模型例項。
- 將 **x** 和 **y** 資料擬合到模型中。
- 列印模型。
- 製作條形圖。
- 使用 **show()** 方法顯示圖形。
示例
from numpy import loadtxt
from xgboost import XGBClassifier
from matplotlib import pyplot as plt
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
# data.csv contains data like -> 13, 145, 82, 19, 110, 22.2, 0.245, 57, 0
dataset = loadtxt('data.csv', delimiter=",")
X = dataset[:, 0:8]
y = dataset[:, 8]
model = XGBClassifier()
model.fit(X, y)
print(model.feature_importances_)
plt.bar(range(len(model.feature_importances_)), model.feature_importances_)
plt.show()輸出
[13:46:53] WARNING: ../src/learner.cc:1095: Starting in XGBoost 1.3.0, the default evaluation metric used with the objective 'binary:logistic' was changed from 'error' to 'logloss'. Explicitly set eval_metric if you'd like to restore the old behavior. [0.10621197 0.2424023 0.08803366 0.07818192 0.10381887 0.1486732 0.10059207 0.13208601]
更新於：08-Jul-2021
297 次瀏覽
廣告