绘制 XGBoost 模型的特征重要性的增益、覆盖率、权重

【问题标题】：Plot gain, cover, weight for feature importance of XGBoost model绘制 XGBoost 模型的特征重要性的增益、覆盖率、权重
【发布时间】：2020-01-28 15:54:33
【问题描述】：

我有一个 XGBoost 模型 xgboost_model。绘制此 XGBoost 模型的特征重要性；

plot_importance(xgboost_model)
pyplot.show()

该图显示了 F 分数。但是，F 分数背后有一些重要指标，例如增益、覆盖率、权重。

如何分别绘制重要性指标增益、覆盖率和权重？

我正在使用 python 3.7

【问题讨论】：

标签： python machine-learning plot xgboost

【解决方案1】：

您可以将不同的重要性类型传递给plot_importance：

fig, ax = plt.subplots(3,1,figsize=(14,30))

nfeats = 15
importance_types = ['weight', 'cover', 'gain']

for i, imp_i in enumerate(importance_types):
    plot_importance(xgboost_model, ax=ax[i], max_num_features=nfeats
                    , importance_type=imp_i
                    , xlabel=imp_i)

在上面的例子中，你可以构建一个subplot，里面有3个地块，每个地块对应plot_importance支持的三种类型。

我在jupyter 中对此进行了测试。否则，你会打电话给plt.show()。

【讨论】：