搜索结果
查询Tags标签： importance，共有 6条记录-
常用机器学习解释性算法：特征权重，feature_importance, lime，shap
目录 1.线性回归中的特征权重β： 2. 树模型中的feature_importance： 3. lime: 4. shap: 5. 各种算法对比：1.线性回归中的特征权重β：线性模型中，特征可以归类为：数值特征（比如气温）、二进制特征（性别0/1）、范畴特征（天气：下雨、阴天、晴天，使用one-hot编码，…
2022/2/28 20:23:58 人评论 次浏览 -
特征重要性计算之LOFO与FLOFO
1. 引入 特征的重要性，即feature importance，使用sklearn自带的一些模型，就能计算出来。 比如RandomForest取feature_importance的用法如下： from sklearn.ensemble import RandomForestClassifier from sklearn.datasets import load_breast_cancer, load_iris data …
2021/11/3 23:39:39 人评论 次浏览 -
特征重要性计算之LOFO与FLOFO
1. 引入 特征的重要性，即feature importance，使用sklearn自带的一些模型，就能计算出来。 比如RandomForest取feature_importance的用法如下： from sklearn.ensemble import RandomForestClassifier from sklearn.datasets import load_breast_cancer, load_iris data …
2021/11/3 23:39:39 人评论 次浏览 -
Python 消除条形图的边框
链接： https://www.5axxw.com/questions/content/bupt0a 自己的代码试验： 生成GBDT的特征重要性排序图 from pylab import mpl mpl.rcParams[font.sans-serif] = [SimHei] # 指定默认字体/Microsoft YaHei mpl.rcParams[axes.unicode_minus] = False # 解决保存图像是负…
2021/10/4 12:10:47 人评论 次浏览 -
Python 消除条形图的边框
链接： https://www.5axxw.com/questions/content/bupt0a 自己的代码试验： 生成GBDT的特征重要性排序图 from pylab import mpl mpl.rcParams[font.sans-serif] = [SimHei] # 指定默认字体/Microsoft YaHei mpl.rcParams[axes.unicode_minus] = False # 解决保存图像是负…
2021/10/4 12:10:47 人评论 次浏览 -
ML之xgboost：利用xgboost算法(特征筛选和GridSearchCV)对数据集实现回归预测
ML之xgboost：利用xgboost算法(特征筛选和GridSearchCV)对数据集实现回归预测目录 输出结果 实现代码输出结果 [EnterCOD, EnterBOD, EnterAD, EnterZL, EnterZD, EnterPH, EnterSS, M4, N4, O4, P4, Q4, R4]EnterCOD EnterBOD EnterAD EnterZL EnterZD EnterPH Ent…
2021/6/17 1:21:05 人评论 次浏览
