एक प्लॉट के आकार को xgboost.plot_importance, में बदलने के लिए हम निम्नलिखित कदम उठा सकते हैं -
- आकृति का आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें।
- डेटा को csv . से लोड करें फ़ाइल।
- x प्राप्त करें और y लोड किए गए डेटासेट से डेटा।
- xgboost.XGBCClassifier.feature_importances_ मॉडल प्राप्त करें उदाहरण।
- फिट x और y मॉडल में डेटा।
- मॉडल प्रिंट करें।
- बार प्लॉट बनाएं।
- आंकड़ा प्रदर्शित करने के लिए, दिखाएं () . का उपयोग करें विधि।
उदाहरण
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() आउटपुट
[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]
