Kann jemand die Zahlen berechnen? In der Dokumentation heißt es, dass diese Funktion "Feature-Wichtigkeit jeder Funktion erhalten", aber es gibt keine Erklärung, wie die Ergebnisse zu interpretieren sind.Was macht get_fscore() eines xgboost ML-Modells?
Dies ist eine Metrik, die einfach zusammenfasst, wie oft jede Funktion aufgeteilt wird. Es ist analog zur Frequenzmetrik in der R-Version. https://cran.r-project.org/web/packages/xgboost/xgboost.pdf
Es ist etwa so einfach eine Funktion Wichtigkeit Metrik wie Sie bekommen können.
, d. H. Wie oft wurde diese Variable geteilt?
Der Code für diese Methode zeigt, dass das Vorhandensein eines bestimmten Features in allen Bäumen einfach hinzugefügt wird.
[hier .. https://github.com/dmlc/xgboost/blob/master/python-package/xgboost/core.py#L953][1]
def get_fscore(self, fmap=''):
"""Get feature importance of each feature.
Parameters
----------
fmap: str (optional)
The name of feature map file
"""
trees = self.get_dump(fmap) ## dump all the trees to text
fmap = {}
for tree in trees: ## loop through the trees
for line in tree.split('\n'): # text processing
arr = line.split('[')
if len(arr) == 1: # text processing
continue
fid = arr[1].split(']')[0] # text processing
fid = fid.split('<')[0] # split on the greater/less(find variable name)
if fid not in fmap: # if the feature id hasn't been seen yet
fmap[fid] = 1 # add it
else:
fmap[fid] += 1 # else increment it
return fmap # return the fmap, which has the counts of each time a variable was split on
nicht sicher, aber der Code und die Methode selbst ist auf GitHub hier: https://github.com/dmlc/xgboost/blob/master/python-package /xgboost/core.py – scrineym
Danke. Wenn Sie den Code durchlaufen, können Sie sehen, dass es sich um eine Zählung handelt, wie oft dieses Feature im Entscheidungsbaum angezeigt wird. –