Để thay đổi kích thước của ô trong xgboost.plot_importance, chúng ta có thể thực hiện các bước sau -
- Đặt kích thước hình và điều chỉnh phần đệm giữa và xung quanh các ô phụ.
- Tải dữ liệu từ csv tệp.
- Nhận x và y dữ liệu từ tập dữ liệu đã tải.
- Nhận xgboost.XGBCClassifier.feature_importances_ model ví dụ.
- Vừa với x và y dữ liệu vào mô hình.
- In mô hình.
- Tạo một biểu đồ thanh.
- Để hiển thị hình này, hãy sử dụng show () phương pháp.
Ví dụ
from numpy import loadtxt
from xgboost import XGBClassifier
from matplotlib import pyplot as plt
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
# data.csv contains data like -> 13, 145, 82, 19, 110, 22.2, 0.245, 57, 0
dataset = loadtxt('data.csv', delimiter=",")
X = dataset[:, 0:8]
y = dataset[:, 8]
model = XGBClassifier()
model.fit(X, y)
print(model.feature_importances_)
plt.bar(range(len(model.feature_importances_)), model.feature_importances_)
plt.show() Đầu ra
[13:46:53] WARNING: ../src/learner.cc:1095: Starting in XGBoost 1.3.0, the default evaluation metric used with the objective 'binary:logistic' was changed from 'error' to 'logloss'. Explicitly set eval_metric if you'd like to restore the old behavior. [0.10621197 0.2424023 0.08803366 0.07818192 0.10381887 0.1486732 0.10059207 0.13208601]
