Skip to main content
 首页 » 编程设计

python之H2O 变量对模型中包含的所有离散级别的重要性

2024年12月31日8rubylouvre

我想从给定模型的变量重要性的角度提取各个分类级别。下面提供的数据集中有几个分类预测变量,但是当我计算特征重要性时,只显示“整列”的重要性,而不是将重要性分解为 C1_level0: importance 和 C1_level1:重要性。如果我手动对这些离散级别进行单热编码,我该如何查看列的重要性?

>>> import h2o 
>>> h2o.init() 
Checking whether there is an H2O instance running at http://localhost:54321. connected. 
--------------------------  ---------------------------------------- 
H2O cluster uptime:         48 mins 24 secs 
H2O cluster timezone:       America/Chicago 
H2O data parsing timezone:  UTC 
H2O cluster version:        3.20.0.5 
H2O cluster version age:    6 days 
H2O cluster name:           H2O_from_python_user_9znggm 
H2O cluster total nodes:    1 
H2O cluster free memory:    1.464 Gb 
H2O cluster total cores:    8 
H2O cluster allowed cores:  8 
H2O cluster status:         locked, healthy 
H2O connection url:         http://localhost:54321 
H2O connection proxy: 
H2O internal security:      False 
H2O API Extensions:         XGBoost, Algos, AutoML, Core V3, Core V4 
Python version:             3.6.5 final 
--------------------------  ---------------------------------------- 
>>> 
>>> df = h2o.create_frame(categorical_fraction=0.5) 
Create Frame progress: |██████████████████████████████████████████████████████████████████████| 100% 
>>> 
>>> model = H2OGradientBoostingEstimator() 
>>> model.train(x=[c for c in df.columns if c != 'C1'], y='C1', training_frame=df) 
gbm Model Build progress: |███████████████████████████████████████████████████████████████████| 100% 
>>> 
>>> model.varimp(True) 
  variable  relative_importance  scaled_importance  percentage 
0       C3          4448.583984           1.000000    0.255125 
1       C9          4424.002930           0.994474    0.253715 
2       C6          4273.684082           0.960684    0.245094 
3       C4          4249.320312           0.955207    0.243697 
4      C10            12.800615           0.002877    0.000734 
5       C7            12.022744           0.002703    0.000689 
6       C8             8.271964           0.001859    0.000474 
7       C2             4.649746           0.001045    0.000267 
8       C5             3.567022           0.000802    0.000205 

请您参考如下方法:

这是您在使用 model.std_coef_plot() 时可以通过 H2O 的 GLM 获得的东西,但是 model.varimp(True) 的预期行为是给您每个特征的重要性,而不是各个级别的重要性。

如果您想了解个人水平与结果之间的关系,我建议您使用 H2O 的部分依赖图(文档 here 和 here。