web-dev-qa-db-fra.com

Importance des fonctionnalités à l'aide de lightgbm

J'essaie d'exécuter mon lightgbm pour la sélection des fonctionnalités comme ci-dessous;

initialisation

# Initialize an empty array to hold feature importances
feature_importances = np.zeros(features_sample.shape[1])

# Create the model with several hyperparameters
model = lgb.LGBMClassifier(objective='binary', 
         boosting_type = 'goss', 
         n_estimators = 10000, class_weight ='balanced')

puis j'adapte le modèle comme ci-dessous

# Fit the model twice to avoid overfitting
for i in range(2):

   # Split into training and validation set
   train_features, valid_features, train_y, valid_y = train_test_split(train_X, train_Y, test_size = 0.25, random_state = i)

   # Train using early stopping
   model.fit(train_features, train_y, early_stopping_rounds=100, eval_set = [(valid_features, valid_y)], 
             eval_metric = 'auc', verbose = 200)

   # Record the feature importances
   feature_importances += model.feature_importances_

mais j'obtiens l'erreur ci-dessous

Training until validation scores don't improve for 100 rounds. 
Early stopping, best iteration is: [6]  valid_0's auc: 0.88648
ValueError: operands could not be broadcast together with shapes (87,) (83,) (87,)
pythonpython-3.xlightgbm
4
Ian Okeyo

Un exemple pour obtenir l'importance des fonctionnalités dans lightgbm lors de l'utilisation du modèle train.

import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.simplefilter(action='ignore', category=FutureWarning)

def plotImp(model, X , num = 20):
    feature_imp = pd.DataFrame({'Value':model.feature_importance(),'Feature':X.columns})
    plt.figure(figsize=(40, 20))
    sns.set(font_scale = 5)
    sns.barplot(x="Value", y="Feature", data=feature_imp.sort_values(by="Value", 
                                                        ascending=False)[0:num])
    plt.title('LightGBM Features (avg over folds)')
    plt.tight_layout()
    plt.savefig('lgbm_importances-01.png')
    plt.show()
6
rosefun

Même si la fonction feature_importance() n'est plus disponible dans LightGBM python API, nous pouvons utiliser la propriété feature_importances_, Comme dans cet exemple de fonction (où model est le résultat de lgbm.fit() et train_columns = x_train.columns):

import pandas as pd

def get_lgbm_varimp(model, train_columns, max_vars=50):

    cv_varimp_df = pd.DataFrame([train_columns, model.feature_importances_]).T

    cv_varimp_df.columns = ['feature_name', 'varimp']

    cv_varimp_df.sort_values(by='varimp', ascending=False, inplace=True)    

    cv_varimp_df = cv_varimp_df.iloc[0:max_vars]

    return cv_varimp_df

Notez que nous nous appuyons sur l'hypothèse que feature_importances_ Sont commandés exactement comme les colonnes de la matrice du modèle ont été commandées lors de la formation model (y compris les cols factices à chaud), voir LightGBM # 209

0
mirekphd