xgboost 的可视化,调用 xgb.to_graphviz 或 xgb.plot_tree 接口;

1. 指定 fmap(feature map)

https://www.kaggle.com/mmueller/xgb-feature-importance-python

  • 按照 feature map 的格式,编写 fmap 文件:

    def ceate_feature_map(features, fmap_filename):outfile = open(fmap_filename, 'w')i = 0for feat in features:outfile.write('{0}\t{1}\tq\n'.format(i, feat))i = i + 1outfile.close()# 调用
    fmap_filename = 'xgb.fmap'
    create_feature_map(X_train.columns, fmap_filename)
    
  • 将 xgb.fmap 文件传入 xgb.plot_tree 文件中:

    xgb.plot_tree(bst, fmap=fmap_filename)
    
  • 指定图像的大小:

    fig = ptl.gcf()
    fig.set_size_inches(150, 100)
    

2. 结果分析

  • bst.get_dump()

    • 查看各棵树的结构;
  • bst.predict 的参数:

    • pred_leaf=True,各棵树对各个样本的预测的叶子;

xgboost 可视化与结果分析相关推荐

  1. 自然语言处理(NLP)之依存句法分析的可视化及图分析

    依存句法分析的效果虽然没有像分词.NER的效果来的好,但也有其使用价值,在日常的工作中,我们免不了要和其打交道.如何分析依存句法分析的结果,一个重要的方面便是其可视化和它的图分析. 我们使用的NLP工 ...

  2. python做数据可视化的代码_Python数据可视化正态分布简单分析及实现代码

    Python说来简单也简单,但是也不简单,尤其是再跟高数结合起来的时候... 正态分布(Normaldistribution),也称"常态分布",又名高斯分布(Gaussiandi ...

  3. 可视化数据包分析工具-CapAnalysis

    原创作品,允许转载,转载时请务必以超链接形式标明文章 原始出处 .作者信息和本声明.否则将追究法律责任.http://chenguang.blog.51cto.com/350944/1325742 可 ...

  4. Mac下安装graphviz以及XGBoost可视化决策树

    最近做项目又需要用XGBoost画出决策树来解释,之前用花了大力气装了graphviz画决策树,后来重新安装了Anaconda后环境就没了,也忘了当时踩过的坑,在网上找到的都是千篇一律但是装不好的博客 ...

  5. 数据可视化大屏分析流程是怎样

    大屏数据可视化是以大屏为主要载体的数据可视化再设计,它就好比一个提炼过精华内容的故事,能够给人在观感上留下深刻的印象,从而引发人的共鸣,传递企业文化与价值. 那么数据可视化大屏分析流程是怎样? (一) ...

  6. ChinaVis2019中国可视化与可视分析大会成都站(7.21-7.24)

    ChinaVis 2019第六届中国可视化与可视分析大会于2019年7月21日 - 24日在成都举行.本次大会内容包括免费课程.论坛.特邀报告.论文报告.海报.展览.专题研讨.挑战赛汇报等等十分丰富的 ...

  7. pyltp依存句法分析_NLP(十二)依存句法分析的可视化及图分析

    摘要: ,'通信','领域','做出','的','贡献','.']ATT(2018,年)ATT(年,日)ATT(7,月)ATT(月,日)ATT(26,日)ADV(日,举行)WP(,,日)ATT(华为, ...

  8. GoAccess - 可视化 Web 日志分析工具

    GoAccess - 可视化 Web 日志分析工具. 官方地址: https://www.goaccess.cc/ 一 语法 goaccess [filename] [ options ... ] [ ...

  9. 二维正态分布图python代码_Python数据可视化正态分布简单分析及实现代码

    Python说来简单也简单,但是也不简单,尤其是再跟高数结合起来的时候... 正态分布(Normaldistribution),也称"常态分布",又名高斯分布(Gaussiandi ...

最新文章

  1. win8中使用BitLocker加密
  2. 前端面试常考知识点---js
  3. C++继承的基本语法
  4. Java黑皮书课后题第5章:5.4(将英里转换成千米)编写程序,显示下面的表格(注意:1英里为1.609千米)
  5. .net core 下的HttpClient、WebClient性能测试
  6. [USACO1.5]八皇后 Checker Challenge
  7. tomcat java_opts 最大_tomcat性能优化(JAVA_OPTS)
  8. SpringBoot maven项目如何打包进行发布?
  9. 《移动通信》学习总结
  10. 【百度地图API】建立全国银行位置查询系统(二)——怎样为地图添加控件
  11. c 语言游戏代码大全,C语言经典游戏代码
  12. 用于应用开发的新数据可视化模板
  13. 5号字对应的数字字号_字号对照表
  14. 微博吃瓜总是晚一步才知道,程序员直接写了一个热搜提醒工具
  15. S5PV210 buzzer驱动
  16. net-java-php-python-班级信息管理系统计算机毕业设计程序
  17. 免疫沉淀常见问题解答 | MedChemExpress
  18. 真正的高手,都有对抗“熵增”的底层思维
  19. 【论文阅读】计算机视觉经典论文合辑
  20. 卸载jdk(JAVA开发环境)

热门文章

  1. SNS类游戏cache server设计浅析
  2. DXUT框架剖析系列文章(原创:天行健 君子当自强而不息)
  3. python变量作用域图解_图解python全局变量与局部变量相关知识
  4. android++日历示例,Android开发之日历CalendarView用法示例
  5. python mysql 数据类型_mysql学习:mysql数据类型有哪些?
  6. Linux下安装mysql(CentOS7)
  7. scala中getorElse()方法
  8. TODO算子-双Value类型的操作
  9. h5如何动态获取键盘高度_H5 键盘兼容性小结
  10. php设置pem,php – 如何将OpenSSH公钥文件格式转换为PEM