问XGBoost算法:重命名列后的特征重要性更改
EN

Stack Overflow用户

提问于 2019-08-13 15:38:23

回答 1查看 238关注 0票数 1

我在我的数据上运行了XGBoost算法，发现有15个特征是重要的。我重命名了我的数据帧中的列，然后再次运行相同的XGBoost算法，注意到我重要的features.The顺序的变化在矩阵中稍微混乱了一些，并且出现了2-3个新变量。这在很大程度上是相同的，但我想知道是什么导致了功能重要性的这种变化，因为我只更改了列的名称。我使用tree shap来查找特征重要性，下面是我如何重命名列的方法。

colnames = pd.read_csv("kbmg_colnames.csv")
d = dict(zip(colnames['Actual'], colnames['To be changed']))
Data_test = Data_test.rename(columns=d)

python

machine-learning

data-science

回答 1

Stack Overflow用户

发布于 2019-08-13 15:41:29

几乎每个ML算法都有一个random_state。

random_state : int, RandomState instance or None, optional (default=None)

    If int, random_state is the seed used by the random number generator; If RandomState instance, random_state is the random number generator; If None, the random number generator is the RandomState instance used by np.random.

要在每次运行中获得相同的结果，您必须将其设置为某个数字: random_state=42。强烈建议对每个ML任务使用此方法。

Random state (Pseudo-random number) in Scikit learn

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/57473183

复制

相似问题

问XGBoost算法:重命名列后的特征重要性更改
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问XGBoost算法:重命名列后的特征重要性更改EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问XGBoost算法:重命名列后的特征重要性更改
EN