xgboost.plot_importance में प्लॉट का साइज बदलने के लिए, हम निम्नलिखित चरण ले सकते हैं:
- फिगर साइज सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग एडजस्ट करें।
- csv फाइल से डेटा लोड करें।
- लोडेड डेटासेट से x और y डेटा प्राप्त करें।
- xgboost.XGBClassifier.feature_importances_ model इंस्टेंस प्राप्त करें।
- x और y डेटा को मॉडल में फिट करें।
- मॉडल प्रिंट करें।
- बार प्लॉट बनाएं।
- फिगर प्रदर्शित करने के लिए, show() मेथड का उपयोग करें।
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 में ऐसा डेटा होता है -> 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]
