我正在使用python学习深度学习概念，并且到目前为止我的项目已经完成。 这个开放项目的目的是检测肝癌，以便患者避免活检，并可以比平时更快地治愈。
我有一个427位患者的数据集，其遗传标记（2687列）的甲基化率已确定为0至1（0 =未甲基化，1 =完全甲基化）。
我使用了xgboost，并且得到了一个由xgboost重命名的节点图（所以我的第一个问题是我不知道这些xgboost图的标签真正代表了哪些标记（显然有3个测试（6个“是”或“否”决策树（图a），xgboost可以确定患者是否患有肝癌）
因此，考虑到我还没有足够的实验能力和英语水平，我想得到您的一些建议，以希望提高我的技能的方式最终确定它：
2：是否有一种简单的方法可以使选择的这些“标签” xgboost成为真正的标记名称，以便我仅用这3个即可测试所有模型？除非我不太了解这张图是什么？
3：我得到了这个功能重要性图（图b），我想再次找到仅使用“重要”标记（特征）进行模型制作的方法，因此需要2680多个列（标记）用于对于每位患者，我都拥有更少的功能，而这些功能对于相同的精度而言是必需的。 （我的模型实际上是99.5准确）
fig.a Nodes decisions tree by xgboost
fig.b（功能重要性）链接，因为您需要电动变焦：https://cdn.discordapp.com/attachments/314114979332882432/579000210760531980/features_importances.png
我有整个笔记本，但是我不知道如何向您展示有趣的代码部分（因为您必须导入数据集等。） 即使是一天前为获得功能重要性而工作的代码（可能返回简单的2687）对我来说也不再有效，例如执行单元格时“ Booster对象没有'feature_importances_'“。我不知道为什么...
表示
cv_results = xgb.cv(dtrain=data_dmatrix, params=params, nfold=100, num_boost_round=100, early_stopping_rounds=10, metrics="error", as_pandas=True, seed=123)
cv_results
我对火车误差均值有0.0346，对于火车误差std有0.00937，对于测试误差std有0.135
此刻我还没有真正的错误，我只是不知道如何使用这些xgboost标签进行翻译并获得有关功能，名为glboost或f93等的xgboost返回节点以及我的数据特征设置就像“ cg000001052”（它是CpG标记（图c））
图c。数据集格式 how CpG marker names (col) are displayed in dataset
然后，我将仅使用这些（已考虑的）重要功能来制作另一个模型，以查看它是否仍然具有准确的准确性，并减少了数千个标记
如果您确实需要一些部件，我将能够为您提供这些部件，此刻我对搜索一无所知，无论我的基本想法是什么，我都找不到想要的答案类型简单
作为一个新手，我会说我注意到节点图中的f93在功能选择中是第二重要的（我按Desc order显示！对我来说是一个利用，这是项目中最难的部分）
现在我感到快要结束了，目的是减少所需的标记数，而我对这样的结果感觉很接近：(然后我迷路了
非常欢迎任何帮助！
答案 0 :(得分：0)
好吧，基本上我已经尝试过仅使用选定标记重置数据集
发生这种情况是行不通的，我会错过一些技术，直到尝试建立这样的新模型时出现奇怪的错误。
我最终决定这是项目的结束，
解决方案是：没有可及的解决方案
所以结论：它可以99.5％的准确度检测出癌症，但是需要2683个CpG标记，太糟糕了，我几乎不能成功将它重新调整为500。太糟糕了，它完成了99％
无论如何，谢谢您的宝贵知识和帮助
致谢
