r语言xgboost分类模型代码 输出特征重要性
时间: 2023-07-31 18:03:51 浏览: 70
好的,以下是一个简单的 R 语言示例代码,用于构建 XGBoost 分类模型并输出特征重要性:
```R
# 加载必要的包
library(xgboost)
library(caret)
library(MLmetrics)
# 读取数据集
data <- read.csv("your_data.csv")
# 划分数据集
set.seed(123)
trainIndex <- createDataPartition(data$target, p = 0.7, list = FALSE)
train <- data[trainIndex, ]
test <- data[-trainIndex, ]
# 定义 XGBoost 模型参数
params <- list(
objective = "binary:logistic",
eval_metric = "auc",
max_depth = 3,
eta = 0.1,
gamma = 0.5,
subsample = 0.8,
colsample_bytree = 0.8,
min_child_weight = 1,
nthread = 4
)
# 训练 XGBoost 模型
xgb_model <- xgboost(
data = as.matrix(train[, -1]),
label = train$target,
nrounds = 100,
early_stopping_rounds = 10,
params = params,
verbose = 0
)
# 预测测试集
test_pred <- predict(xgb_model, as.matrix(test[, -1]))
# 输出模型评估指标
print(paste("Accuracy:", round(Accuracy(test$target, ifelse(test_pred > 0.5, 1, 0)), 4)))
print(paste("AUC:", round(AUC(test$target, test_pred), 4)))
# 输出特征重要性
importance <- xgb.importance(colnames(train[, -1]), model = xgb_model)
xgb.plot.importance(importance)
```
在这个例子中,我们首先加载了必要的包并读取了 CSV 格式的数据集。然后,我们使用 `createDataPartition` 函数将数据集划分为训练集和测试集。接下来,我们定义了 XGBoost 模型的参数,并使用 `xgboost` 函数训练了模型。然后,我们对测试集进行了预测并输出了一些模型评估指标。最后,我们使用 `xgb.importance` 函数计算了特征重要性,并使用 `xgb.plot.importance` 函数将其可视化。
相关推荐
![](https://img-home.csdnimg.cn/images/20210720083646.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)