xgboost模型特征重要度代码
时间: 2023-10-16 18:09:52 浏览: 41
以下是使用Python和xgboost库计算特征重要度的示例代码:
```python
import xgboost as xgb
import pandas as pd
import numpy as np
# 加载数据
data = pd.read_csv('data.csv')
# 分离特征和标签
X = data.drop('label', axis=1)
y = data['label']
# 定义xgboost模型
model = xgb.XGBClassifier()
# 训练模型
model.fit(X, y)
# 计算特征重要度
importance = model.feature_importances_
# 获取特征名称
feature_names = X.columns.values
# 将特征重要度和特征名称合并为一个DataFrame
feature_importance = pd.DataFrame({'feature': feature_names, 'importance': importance})
# 按照特征重要度排序
feature_importance = feature_importance.sort_values('importance', ascending=False)
# 打印特征重要度
print(feature_importance)
```
在上面的代码中,首先使用`pandas`库加载数据,然后分离出特征和标签。接下来,定义了一个xgboost分类器模型,并使用`fit`方法对模型进行训练。最后,使用`feature_importances_`属性计算出特征重要度,并使用`pandas`库将特征重要度和特征名称合并为一个DataFrame,并按照特征重要度从大到小排序。最后,打印出特征重要度。