写出Python lightgbm得出数据集特征重要性的代码
时间: 2024-09-24 18:11:21 浏览: 39
在LightGBM中,你可以使用`feature_importance`属性来获取数据集特征的重要性。这是一个简单的例子:
```python
import lightgbm as lgb
# 假设你已经有了训练好的LGBM模型model和原始数据集X_train
# 还有一个列名列表col_names对应于你的特征
# 训练模型
lgb_model = lgb.LGBMClassifier() # 或者其他类型的LGBM模型,如lgb.LGBMRegressor()
lgb_model.fit(X_train, y_train) # y_train是你对应的标签
# 获取特征重要性
feature_importance = lgb_model.feature_importances_
sorted_features = sorted(zip(feature_importance, col_names), reverse=True)
for importance, feature in sorted_features:
print(f"特征:{feature}, 重要性:{importance:.4f}")
```
这里的`feature_importance`是一个数组,表示每个特征对模型预测的影响程度。`sorted_features`则是一个按重要性降序排列的元组列表。
阅读全文