python - 解释特征重要性图中的 F 分数
问题描述
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!
解决方案
推荐阅读
- javascript - ES6:如何使用变量类名?
- element - 编写一个函数,将 0 放入数组的元素 1。确保函数返回 null
- python - 使用 Python 插入 SQL 数据库 - 性能
- java - 如何使形状在 for 循环中只出现一次?
- angular - Openlayers 地图不可拖动
- python - 使用 SimpleImputer 中的 .fit() 进行插补时出错
- x86 - AMD 是否支持 x2APIC?
- mysql - MySQL last_modified 列忽略特定列的更新?
- javascript - 如何通过使用codeigniter动态创建数组中的值并将其分解为单独的列
- java - Xpath (Java) : 无法定位节点或节点值