python - 解释特征重要性图中的 F 分数

Question

我是 python 上的 xgboost 包的新手，我正在寻找在线资源来了解使用 xgboost 时功能重要性的 F 分数的值。

我从其他来源了解到以下具有重要性情节=“增益”的信息：

“增益”是特征对其所在分支的准确性的改进。这个想法是，在将特征 X 上的新拆分添加到分支之前，存在一些错误分类的元素，在此特征上添加拆分后，有两个新分支，并且这些分支中的每一个都更准确（一个分支说如果你的观察是在这个分支上，那么它应该被归类为 1，而另一个分支则完全相反）

但我想知道我们在特征重要性图中看到的确切数字是否有任何意义。例如，1210.94 是什么意思？

这是一个供参考的输出示例。

谢谢！

标签： pythonmachine-learningxgboost