xgboost特征重要性分析方法

基于XGBoost的特征重要性分析方法主要采用了两种方式：gain和cover。

1. gain: XGBoost中的gain是通过计算熵的方式来评估特征的重要性。如果某个特征在分裂时增加的熵较大，那么该特征的重要性就较高。

2. cover: XGBoost中的cover指的是在使用某个特征进行分裂时所影响的样本数量的平均值。对于枚举特征来说，cover更适用。cover可以避免目标函数的量纲影响，同时也不会过度拟合目标函数。

综上所述，基于XGBoost的特征重要性分析方法主要通过gain和cover来评估特征的重要性。