时间戳

首页 > 解决方案 > 如何为流水线式多输出分类器绘制树？

python - 如何为流水线式多输出分类器绘制树？

问题描述

我想解释我的模型，了解为什么这个模型给我的标签是 1 或 0。，所以我想使用 xgboost 的 plot_tree 函数。我的问题是多标签分类问题；我写了以下代码；

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.30, shuffle=True, random_state=42)

model = MultiOutputClassifier(
        xgb.XGBClassifier(objective="binary:logistic",
                         colsample_bytree = 0.5,
                          gamma = 0.1
                         ))

#Define a pipeline
pipeline = Pipeline([("preprocessing", col_transformers), ("XGB", model)])

pipeline.fit(X_train, y_train)

predicted = pipeline.predict(X_test)

xgb.plot_tree(pipeline, num_trees=4)

这段代码给了我错误；

“管道”对象没有属性“get_dump”

如果我更改代码；

xgb.plot_tree(pipeline.named_steps["XGB"], num_trees=4)

“MultiOutputClassifier”对象没有属性“get_dump”

我怎么解决这个问题？

标签： pythonscikit-learnxgboost

解决方案

您只能在或实例上使用该plot_tree功能。当您传递一个对象时，您的第一种情况会失败，而在第二种情况下，您正在传递对象。BoosterXGBModelPipelineMultiOutputClassifier

相反，您必须传递适合的XGBClassifier对象。但是，请注意MultiOutputClassifier实际工作方式：

该策略包括为每个目标拟合一个分类器。

这意味着您将有一个适合每个标签的模型。

您可以使用 的estimators_属性访问它们MultiOutputClassifier。例如，您可以像这样检索第一个标签的模型：

xgb.plot_tree(pipeline.named_steps["XGB"].estimators_[0], num_trees=4)

如果想要全部，则必须遍历该estimators_属性返回的列表。

推荐阅读