如何在 Python 中使用 GridSearchCV XGBoost 结果中的特征名称绘制特征重要性答案

【问题标题】：How to plot feature importance with feature names from GridSearchCV XGBoost results in Python如何在 Python 中使用 GridSearchCV XGBoost 结果中的特征名称绘制特征重要性
【发布时间】：2022-06-20 19:07:46
【问题描述】：

所以我有一些代码如下：

best_score_param_estimator_gs = []
# XGBoost Model
xg_model = xg.XGBClassifier(use_label_encoder=False,
objective='binary:logistic',
verbosity=1,
seed=42
)

params = {
    'learning_rate': [.01],
    'n_estimators': [550],
    'gamma': [5],
    'subsample': [0.65],
    'colsample_bytree': [1.0],
    'max_depth': [6]
}


skf = StratifiedKFold(n_splits=2, shuffle = True, random_state = 1001)
    
# AUC and accuracy as score
scoring = {'AUC':'roc_auc', 'Accuracy':metrics.make_scorer(metrics.accuracy_score)}

# Run grid search
global grid
grid = GridSearchCV(xg_model, param_grid=params, scoring=scoring, refit='AUC', n_jobs=6, 
    cv=skf.split(X_train,y_train), verbose=1)
model = grid.fit(X_train, y_train)

有了这个，我得到了一个模型；我想按特征重要性的降序绘制此模型的特征重要性。

model.best_estimator_.feature_importances_

使用这个，我可以获得所有重要性的数组，但是我如何制作一个情节（matplotlib）以及它们的特征名称？

这个“有效”，但我不知道哪个是哪个

plt.bar(range(len(best_estimator_xgbc.feature_importances_)), best_estimator_xgbc.feature_importances_)

【问题讨论】：

标签： python xgboost feature-selection grid-search

【解决方案1】：

试试这个：

from xgboost import plot_importance

plot_importance(model.best_estimator_)
plt.show()

（假设你已经完成了import matplotlib.pyplot as plt）

xgboost 包中的内置 plot_importance 函数看起来就像您要找的一样。

【讨论】：