Question

我在Stackoverflow上遇到了几个问题，大众所面临的问题是，在使用例如

拟合/训练XGBoost模型之前，他们预处理训练数据，例如使用中心和比例尺等。

`

scaler = MinMaxScaler(feature_range=(0, 1))
X = scaler.fit_transform(X)
my_model_name = XGBClassifier()
my_model_name.fit(X,Y)`

其中X和Y分别是训练数据和标签，按比例缩放将返回2D NumPy数组，从而丢失要素名称。

我已经训练了XGBoost模型，但是使用了预处理的数据（使用MinMaxScaler的中心和比例）。因此，我处于类似的情况，其中列名/功能名丢失了。因此，当我尝试使用plot_importance(my_model_name)时，它会得出特征重要性的图，但是只有特征名称为f0，f1，f2等，而没有数据集中的实际特征名称（必须如此）很明显。

SO上的大多数答案都与以不丢失要素名称的方式训练模型有关（例如，在数据框列上使用pd.get_dummies。我有一个疑问，当我使用{时，如何获取实际的要素名称{1}}，而无需重新训练模型吗？有没有办法将特征名称f0，f1，f2等从原始训练数据（未经预处理，带有列名）映射到生成的特征重要性图，以便在图表中标出了实际的功能名称，对此表示任何帮助。

Answer 1

您可以通过以下方式获取功能名称：

model.get_booster().feature_names

Answer 2

您是对的，当您将 NumPy 数组传递给 XGBoost 的 fit 方法时，您会丢失功能名称。在这种情况下，调用 model.get_booster().feature_names 没有用，因为返回的名称采用 [f0, f1, ..., fn] 形式，并且这些名称也显示在 plot_importance 方法的输出中。

但是应该有几种方法可以实现您想要的 - 假设您将原始功能名称存储在某处，例如orig_feature_names = ['f1_name', 'f2_name', ..., 'fn_name'] 或直接 orig_feature_names = X.columns 如果 X 是 Pandas DataFrame。

那么你应该能够：

更改存储的特征名称 (model.get_booster().feature_names = orig_feature_names)，然后使用 plot_importance 方法，该方法应该已经采用更新的名称并将其显示在图上
或者由于此方法返回 matplotlib ax，您可以使用 plot_importance(model).set_yticklabels(orig_feature_names) 修改标签（但您必须设置正确的功能顺序）
或者您可以将model.feature_importances_与您自己的原始特征名称结合起来（即自己绘制）
或者您可以尝试使用 Learning API 和 xgboost DMatrix 并在使用 train_data = xgb.DMatrix(X, label=Y, feature_names=orig_feature_names) 创建数据集（缩放后）期间指定您的特征名称（但我对这种方式没有太多经验培训，因为我通常使用 Scikit-Learn API)

在不重新训练模型的情况下，如何在XGBoost特征重要性图中获取实际的特征名称？

2 个答案: