当前位置: 首页 > >

使用XGBoost在Python中的功能重要性和功能选择

发布时间:

使用诸如梯度提升的决策树方法的一个好处是,它们可以从训练有素的预测模型中自动提供特征重要性的估计。

特征在梯度提升中的重要性


使用梯度提升的好处是,在构建了增强树之后,对于每个属性来检索重要性得分是比较直接的。

为数据集中的每个属性明确计算这一重要性,允许对属性进行排名并相互比较。

然后在模型中的所有决策树上对特征重要性进行*均。

原文链接:https://machinelearningmastery.com/feature-importance-and-feature-selection-with-xgboost-in-python/


?



转载于:https://www.cnblogs.com/chenyibin/p/7748265.html






相关资源:xgboost源代码python



友情链接: