主成分（PCA）特征重要性对原始空间特征的重要性

Question

我正在使用PCA对特征进行预处理，以使用决策树作为基础学习器（如正交特征）来使用xgboost库执行分类。

xgboost软件包提供了功能重要性评估（feature_importances_，例如通过“ gain”获得）；我的问题是，现在我如何才能将PC（功能）的重要性转换为原始功能空间中的功能。

MWE：

X是我的特征矩阵，y是我的标签向量

# split data into train and test data
Xtrain, Xtest, ytrain, ytest = sklearn.model_selection.train_test_split(X, y, stratify=y, test_size=0.2, 
                                                                        random_state=123)
# standardize features
scaler = sklearn.preprocessing.StandardScaler() 
scaler.fit(Xtrain)
sXtrain = scaler.transform(Xtrain)
sXtest = scaler.transform(Xtest)

# PCA transform
pca_trans = sklearn.decomposition.PCA()
tXtrain = pca_trans.fit(sXtrain)
tXtrain = pca_trans.transform(sXtrain)
tXtest = pca_trans.transform(sXtest)

# define and fit xgbooster
xgb_clas_t = xgb.XGBClassifier(seed=0)
xgb_clas_t.fit(tXtrain,ytrain)
xgb_clas_t.feature_importances_ # feature importances of PC - how to transform these back to original space?