如何可视化XGBoost模型的逻辑回归

Question

我在XGBoost中有一个模型，该模型建立在包含10万个样本和70个特征的数据集上。目标='binary：logistic'。

我想将结果可视化为附件中的图片：1）用2D图形散布的数据，2）逻辑线，将数据分为1类或0类，3）和阈值-模型敏感度。 logistic regression picture

# create and train model
bst = xgb.train(param, 
                dtrain, 
                num_boost_round = best_iteration)

# model parameters
num_parallel_tree = 1 # default value
subsample = 1 # default value
colsample_bytree = 0.4
objective = 'binary:logistic'
learning_rate = 0.05
eval_metric = 'auc'
max_depth = 10
min_child_weight = 4
n_estimators = 5000
seed = 7

将来，将找到一个逻辑回归参数来调节模型的敏感性-即上下移动阈值（一会儿，我通过增加colsample_by_tree，max_depth，num_trees，子样本来调节模型敏感性），但在我看来，这是不正确的。