在XGBoost中,特征的重要性可以通过计算特征在树模型中的分割贡献度来评估。具体来说,XGBoost会计算每个特征在所有树中出现的次数以及平均增益,从而得到每个特征的重要性得分。这个得分越高,说明该特征对模型预测结果的贡献越大。 三、LightGBM的特征重要性原理 LightGBM(Light Gradient Boosting Machine)是另一种高效的梯...
lightgbm 特征重要性选择 / 看所有特征哪个重要 print(pd.DataFrame({ 'column': feature_names, 'importance': lgb_trained_model.feature_importance(), }).sort_values(by='importance'))