xgboost子树可视化
xgboost子树可视化
- 背景
- 准备
- 示例
背景
训练好的xgboost模型,以树图的方式将子树可视化。
准备
1、python安装pydotplus包,直接pip install pydotplus或者whl文件安装;
2、python安装graphviz包,直接pip install graphviz或者whl文件安装;
3、下载安装graphviz,下载地http://www.graphviz.org/download/;安装完成后应将graphviz的安装路径添加到环境变量Path中:
示例
import xgboost as xgb
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets import load_breast_cancer
dataset = load_breast_cancer()
X = pd.DataFrame(dataset.data)#生成特征名map文件;注意:变量名中不能带有空格;i代表indicator数据类型,q代表quantity数据类型
X.columns = pd.Series(dataset.feature_names).str.replace(' ','_')
def create_feature_map(features):outfile = open('clf.fmap','w')for i,f in enumerate(features):outfile.write('{0}\t{1}\tq\n'.format(i,f))outfile.close()
create_feature_map(X.columns)#训练模型
model = xgb.XGBClassifier(n_estimators=5)
model.fit(X, dataset.target)#模型树可视化
xgb.plot_tree(model, num_trees=0, fmap='clf.fmap')
fig = plt.gcf()
fig.set_size_inches(120,120)
fig.savefig('tree.png')
xgboost子树可视化相关推荐
- xgboost模型在centos系统下的可视化
安装: pip install graphviz pip install pydotplus yum install graphviz from xgboost import XGBClassifie ...
- xgboost 可视化与结果分析
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/m ...
- lightgbm 决策树 可视化 graphviz
决策树模型,XGBoost,LightGBM和CatBoost模型可视化 安装 graphviz 参考文档 http://graphviz.readthedocs.io/en/stable/manua ...
- 超详细解释XGBoost,一篇文章搞懂XGBoost
XGBoost 文章目录 XGBoost 背景 工程原理 具体形式 怎么做出预测 目标函数 引言 数学详解 明确符号 化简目标函数 符号注释 结论 生成一棵完整的树 贪心算法 加权分位法 工作原理 数 ...
- 基于机器学习的DDos攻击检测
2基于机器学习的DDoS攻击检测方法 环境:pycharm+python3.4 2.1数据分析与特征工程 2.1.1数据来源 kaggle 2.1.2数据大小 训练集:80万条 测试集:30万条 2. ...
- 深度学习(1):BP神经网络实现银行客户流失预测
目的:针对银行客户行为和统计数据实现客户流失预测任务. 一. 数据准备 1. 数据集: "select-data.csv"作为训练样本,数据预处理方式:归一化.数值化. Credi ...
- 决策树和基于决策树的模型构建
http://graphviz.readthedocs.io/en/stable/manual.html#installation graphviz 安装包下载地址 https://www.graph ...
- 介绍一下xgb_xgboost实战,一篇就好
介绍: 之前学习了xgb的通俗介绍,和从数学的角度深入看了一下xgb的数学原理 .其实一般情况下,你知道如何运用就可以了.人们常说 人和动物的最大区别是会使用工具,而不是说了解工具的原理. 所以你用好 ...
- R语言构建xgboost模型:xgb.cv函数交叉验证确定模型的最优子树个数(可视化交叉验证对数损失函数与xgboost模型子树个数的关系)、交叉验证获取最优子树之后构建最优xgboost模型
R语言构建xgboost模型:xgb.cv函数交叉验证确定模型的最优子树个数(可视化交叉验证对数损失函数与xgboost模型子树个数的关系).交叉验证获取最优子树之后构建最优xgboost模型 目录
最新文章
- js 上传头像img
- 带哨兵的冒泡排序_冒泡排序的优化以及快排过程及优化
- 32M内存 跑linux内核,32位Linux单进程4G内存限制
- imp导入时出现imp-00017 ora-06550的解决办法
- 把数据保存到cook_JavaScript数据存储 Cookie篇
- struts2.0和jQuery1.5的json问题
- PWN-PRACTICE-CTFSHOW-4
- 【Python】pdf2image模块+poppler将PDF转换为图片
- python之路day2_Python之路,day2
- 微信jssdk在iframe页面失效问题的解决措施
- mysql查出的结果太大 php_如何解决PHP使用mysql_query查询超大结果集超内存问题
- 如何在 Mac 中更改文件夹图标,换上喜欢的图像 Icon?
- 从一个小程序说起 - C++快速入门02
- 模式识别+Matlab 最大似然分类(MLC)【贝叶斯(Bayes)分类法】
- 计算机课件 flash,计算机实用技术教学课件 刘毅 第8章 Flash动画制作.ppt
- C/C++二维数组传参
- als算法参数_ALS算法实现用户音乐打分预测
- 【从蛋壳到满天飞】JS 数据结构解析和算法实现-堆和优先队列(二)
- Java 批量压缩图片zip文件
- 论文阅读Check it again:Progressive Visual Question Answering via Visual Entailment