Question

我有一个二进制分类问题，我正在使用“ h2o.automl”来获取模型。

是否可以从“ h2o.automl”模型中获取我的数据集特征的重要性图？

非常感谢指向一些python 3代码的指针。

谢谢。查尔斯

Answer 1

这取决于您使用的型号。如果您使用AutoML排行榜上的顶级模型，则可能是堆叠式集成体，而我们还没有提取该类型模型的特征重要性的功能（尽管有ticket open可以添加此功能）

如果您要使用任何其他类型的模型（例如GBM），则可以使用常规方法从H2O模型中获取重要的变量。这是一个使用H2O AutoML User Guide中的示例代码的演示。

import h2o
from h2o.automl import H2OAutoML

h2o.init()

# Import a sample binary outcome training set into H2O
train = h2o.import_file("https://s3.amazonaws.com/erin-data/higgs/higgs_train_10k.csv")

# Identify predictors and response
x = train.columns
y = "response"
x.remove(y)

# For binary classification, response should be a factor
train[y] = train[y].asfactor()

# Run AutoML for 10 models
aml = H2OAutoML(max_models=10, seed=1)
aml.train(x=x, y=y, training_frame=train)

# View the AutoML Leaderboard
lb = aml.leaderboard
lb

前两个模型是Stacked Ensembles，而第三个模型是GBM，因此我们可以从该模型中提取重要程度。

In [6]: lb[:5,"model_id"]

Out[6]:
model_id
-----------------------------------------------------
StackedEnsemble_AllModels_0_AutoML_20180801_120024
StackedEnsemble_BestOfFamily_0_AutoML_20180801_120024
GBM_grid_0_AutoML_20180801_120024_model_4
GBM_grid_0_AutoML_20180801_120024_model_0
GBM_grid_0_AutoML_20180801_120024_model_1

[5 rows x 1 column]

这里是如何掌握可变重要性的方法。首先抓取GBM模型对象：

# Get third model
m = h2o.get_model(lb[2,"model_id"])

然后您可以按照以下方式将数据取回Pandas DataFrame（如果已安装 pandas ）：

In [13]: m.varimp(use_pandas=True)
Out[13]:
   variable  relative_importance  scaled_importance  percentage
0       x26           997.396362           1.000000    0.224285
1       x28           437.546936           0.438689    0.098391
2       x27           338.475555           0.339359    0.076113
3        x6           306.173553           0.306973    0.068849
4       x25           295.848785           0.296621    0.066528
5       x23           284.468292           0.285211    0.063968
6        x1           191.988358           0.192490    0.043172
7        x4           184.072052           0.184553    0.041392
8       x10           137.810501           0.138170    0.030989
9       x14           100.928482           0.101192    0.022696
10      x12            90.265976           0.090502    0.020298
11      x22            89.900856           0.090136    0.020216
12      x20            87.367523           0.087596    0.019646
13      x19            83.130775           0.083348    0.018694
14       x5            82.661133           0.082877    0.018588
15      x16            81.957863           0.082172    0.018430
16      x18            80.794426           0.081005    0.018168
17       x7            80.664566           0.080875    0.018139
18      x11            75.841171           0.076039    0.017054
19       x2            75.037476           0.075233    0.016874
20       x8            72.234459           0.072423    0.016243
21      x15            70.233994           0.070417    0.015794
22       x3            60.015785           0.060172    0.013496
23       x9            40.281757           0.040387    0.009058
24      x13            35.475540           0.035568    0.007977
25      x17            25.367661           0.025434    0.005704
26      x24            22.506416           0.022565    0.005061
27      x21            18.564632           0.018613    0.004175

如果已安装 matplotlib ，您还可以使用m.varimp_plot()绘制变量重要性。

是否可以从h2o.automl模型中获取功能重要性图？

1 个答案: