我有一个二元分类问题,我正在使用“h2o.automl”来获取模型。
是否可以从“h2o.automl”模型中获取我的数据集特征的重要性图?
一个指向一些 python 3 代码的指针将不胜感激。
谢谢。查尔斯
我有一个二元分类问题,我正在使用“h2o.automl”来获取模型。
是否可以从“h2o.automl”模型中获取我的数据集特征的重要性图?
一个指向一些 python 3 代码的指针将不胜感激。
谢谢。查尔斯
这取决于您使用的型号。如果您使用 AutoML 排行榜上的顶级模型,那可能是 Stacked Ensemble,我们还没有为该类型模型提取特征重要性的功能(尽管有一张票可以添加)。
如果您想使用任何其他类型的模型(例如 GBM),那么您可以使用常规方法从 H2O 模型中获取变量重要性。这是使用H2O AutoML 用户指南中的示例代码的演示。
import h2o
from h2o.automl import H2OAutoML
h2o.init()
# Import a sample binary outcome training set into H2O
train = h2o.import_file("https://s3.amazonaws.com/erin-data/higgs/higgs_train_10k.csv")
# Identify predictors and response
x = train.columns
y = "response"
x.remove(y)
# For binary classification, response should be a factor
train[y] = train[y].asfactor()
# Run AutoML for 10 models
aml = H2OAutoML(max_models=10, seed=1)
aml.train(x=x, y=y, training_frame=train)
# View the AutoML Leaderboard
lb = aml.leaderboard
lb
前两个模型是 Stacked Ensembles,但第三个是 GBM,因此我们可以从该模型中提取变量重要性。
In [6]: lb[:5,"model_id"]
Out[6]:
model_id
-----------------------------------------------------
StackedEnsemble_AllModels_0_AutoML_20180801_120024
StackedEnsemble_BestOfFamily_0_AutoML_20180801_120024
GBM_grid_0_AutoML_20180801_120024_model_4
GBM_grid_0_AutoML_20180801_120024_model_0
GBM_grid_0_AutoML_20180801_120024_model_1
[5 rows x 1 column]
这是获取变量重要性的方法。首先抓取GBM模型对象:
# Get third model
m = h2o.get_model(lb[2,"model_id"])
然后你可以在 Pandas DataFrame 中取回数据(如果你安装了pandas),如下所示:
In [13]: m.varimp(use_pandas=True)
Out[13]:
variable relative_importance scaled_importance percentage
0 x26 997.396362 1.000000 0.224285
1 x28 437.546936 0.438689 0.098391
2 x27 338.475555 0.339359 0.076113
3 x6 306.173553 0.306973 0.068849
4 x25 295.848785 0.296621 0.066528
5 x23 284.468292 0.285211 0.063968
6 x1 191.988358 0.192490 0.043172
7 x4 184.072052 0.184553 0.041392
8 x10 137.810501 0.138170 0.030989
9 x14 100.928482 0.101192 0.022696
10 x12 90.265976 0.090502 0.020298
11 x22 89.900856 0.090136 0.020216
12 x20 87.367523 0.087596 0.019646
13 x19 83.130775 0.083348 0.018694
14 x5 82.661133 0.082877 0.018588
15 x16 81.957863 0.082172 0.018430
16 x18 80.794426 0.081005 0.018168
17 x7 80.664566 0.080875 0.018139
18 x11 75.841171 0.076039 0.017054
19 x2 75.037476 0.075233 0.016874
20 x8 72.234459 0.072423 0.016243
21 x15 70.233994 0.070417 0.015794
22 x3 60.015785 0.060172 0.013496
23 x9 40.281757 0.040387 0.009058
24 x13 35.475540 0.035568 0.007977
25 x17 25.367661 0.025434 0.005704
26 x24 22.506416 0.022565 0.005061
27 x21 18.564632 0.018613 0.004175
m.varimp_plot()
如果您安装了matplotlib,您还可以绘制变量重要性。