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

xgboost子树可视化

xgboost子树可视化

背景

准备

示例

xgboost子树可视化相关推荐

最新文章

热门文章