เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแสดงภาพความสำคัญของ feature: feature ใดสำคัญที่สุดในชุดข้อมูลของเรา

อีกวิธีหนึ่งในการแสดงผลโมเดล XGBoost คือการดูความสำคัญของแต่ละคอลัมน์ feature ในชุดข้อมูลต้นฉบับภายในโมเดล

วิธีที่ง่ายที่สุดคือการนับจำนวนครั้งที่แต่ละ feature ถูกใช้แยกข้อมูล (split) ในทุก boosting round (ต้นไม้) ของโมเดล จากนั้นแสดงผลเป็นกราฟแท่ง โดยเรียงลำดับ feature ตามจำนวนครั้งที่ปรากฏ XGBoost มีฟังก์ชัน plot_importance() ที่ช่วยให้ทำสิ่งนี้ได้ทันที และในแบบฝึกหัดนี้จะได้ลองใช้งานกัน!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Extreme Gradient Boosting with XGBoost

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง DMatrix จาก X และ y เหมือนเดิม
  • สร้าง dictionary ของพารามิเตอร์ที่มี "objective" เป็น "reg:squarederror" และ "max_depth" เป็น 4
  • เทรนโมเดลด้วย 10 boosting round เหมือนกับที่ทำในแบบฝึกหัดก่อนหน้า
  • ใช้ xgb.plot_importance() โดยส่งโมเดลที่เทรนแล้วเข้าไป เพื่อสร้างกราฟแสดงความสำคัญของ feature

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create the DMatrix: housing_dmatrix
housing_dmatrix = ____

# Create the parameter dictionary: params
params = ____

# Train the model: xg_reg
xg_reg = ____

# Plot the feature importances
____
plt.show()
แก้ไขและรันโค้ด