XGBoostplot_importance() 中的绘图数字格式

Question

我已经训练了一个 XGBoost 模型，并使用plot_importance() 来绘制训练模型中最重要的特征。尽管如此，图中的数字有几个小数值，这些值淹没了绘图并且不适合绘图。

我已经搜索了绘图格式化选项，但我只找到了如何格式化轴（尝试格式化X轴，希望它也能格式化相应的轴）

我在 Jupyter Notebook 中工作（如果这有什么区别的话）。代码如下：

xg_reg = xgb.XGBClassifier(
                objective = 'binary:logistic',
                colsample_bytree = 0.4,
                learning_rate = 0.01,
                max_depth = 15, 
                alpha = 0.1, 
                n_estimators = 5,
                subsample = 0.5,
                scale_pos_weight = 4
                )
xg_reg.fit(X_train, y_train) 
preds = xg_reg.predict(X_test)

ax = xgb.plot_importance(xg_reg, max_num_features=3, importance_type='gain', show_values=True) 

fig = ax.figure
fig.set_size_inches(10, 3)

我有什么遗漏的吗？有没有格式化函数或者参数要传递？

我希望能够格式化特征重要性分数，或者至少删除小数部分（例如“25”而不是“25.66521”）。 下面附上当前的图。

Answer 1

无需编辑 xgboost 绘图函数即可获得您想要的结果。绘图函数可以将重要性字典作为其第一个参数，您可以直接从 xgboost 模型创建该字典，然后进行编辑。如果您想为功能名称制作更友好的标签，这也很方便。

# Get the booster from the xgbmodel
booster = xg_reg.get_booster()

# Get the importance dictionary (by gain) from the booster
importance = booster.get_score(importance_type="gain")

# make your changes
for key in importance.keys():
    importance[key] = round(importance[key],2)

# provide the importance dictionary to the plotting function
ax = plot_importance(importance, max_num_features=3, importance_type='gain', show_values=True)

Answer 2

我在这里遇到了同样的问题，我刚刚解决了。

发生这种情况只是因为对于“增益”或“覆盖”，数字包含太多与“重量”选项相反的浮点数。不幸的是，据我所知，没有选项可以指定位数。因此我自己修改了函数来指定允许的最大位数。以下是在 xgboost 包的 plotting.py 文件中执行的修改。如果您正在使用蜘蛛控制台，您只需指定错误的选项即可找到并打开文件（我是个懒人），例如：

xgb.plot_importance(xg_reg, potato=False)

然后单击控制台中错误中的文件。下一步是修改函数本身，如下所示：

def plot_importance(booster, ax=None, height=0.2,
                    xlim=None, ylim=None, title='Feature importance',
                    xlabel='F score', ylabel='Features',
                    importance_type='weight', max_num_features=None,
                    grid=True, show_values=True, max_digits=3, **kwargs): 

然后您还应该在 show_values 条件之前添加：

if max_digits is not None:
    t = values
    lst = list(t)
    if len(str(lst[0]).split('.')[-1])>max_digits:
        values_displayed = tuple([('{:.'+str(max_digits)+'f}').format(x) for x in lst])
    else:
        values_displayed = values

if show_values is True:
    for x, x2, y in zip(values, values_displayed, ylocs):
        ax.text(x + 1, y, x2, va='center')

我执行了一个条件，仅格式化数字，后者比指定的位数长。它可以避免例如 important_type='weight' 选项产生不需要的数字。

请注意，对于“cover”和“gain”，文本对我来说位置也不好，因此我也修改了班次并将上面的 1 替换为：

if show_values is True:
    for x, x2, y in zip(values, values_displayed, ylocs):
         dx = np.max(values)/100
         ax.text(x + dx, y, x2, va='center')

希望对您有帮助！

Answer 3

编辑xgboost包中plotting.py的代码：

86 ylocs = np.arange(len(values))
87 values=tuple([round(x,4) for x in values])
88 ax.barh(ylocs, values, align='center', height=height, **kwargs)

Answer 4

这个老问题的一个更简单的答案是基于关于values_format的plotting.py文档：

• 值格式： 值的格式字符串。 “v”将被特征的值替换 重要性。例如传递“{v:.2f}”以限制后面的位数 对于图表上打印的每个值，小数点保留两位。*