对xgboost中dump_model生成的booster进行解析
2024-10-08 20:43:00
xgboost原生包中有一个dump_model方法,这个方法能帮助我们看到基分类器的决策树如何选择特征进行分裂节点的,使用的基分类器有两个特点:
- 二叉树;
- 特征可以重复选择,来切分当前节点所含的数据集.
由dump_model生成的booster格式如下:
我们可以对该类型的树结构进行解析,得到这个基分类器中特征用来分裂的频率,简单的脚本如下:
# -*- coding: utf-8 -*- import re with open('./tree_like.txt', 'r') as f:
lines = f.readlines() # 初步预处理
comp = []
for line in lines:
new_line = line.replace(' ', '*')
if line.find('leaf') < 0 and (line.startswith('*') or line.startswith('0')):
regular = re.sub(r'(\**)[0-9]{1,2}:\[([0-9]{3})<.*', r'\1\2', new_line).strip()
# print regular
comp.append(regular) # 解析部分
i = 0
res = {}
for cur in comp:
cur_8 = cur.count('*')
if comp.index(cur, i, len(comp)) + 1 <= len(comp) - 1:
cur_8_next_index = comp.index(cur, i, len(comp)) + 1
cur_8_next = comp[cur_8_next_index]
if cur_8_next.count('*') > cur_8:
obj_1 = str(cur).replace("*", '') + "-" + str(cur_8_next).replace("*", '')
print obj_1
if res.has_key(obj_1):
res[obj_1] = res[obj_1] + 1
else:
res[obj_1] = 1
# print 'parent:' + str(cur) + ", left_child:" + str(cur_8_next)
for x in comp[cur_8_next_index + 1:]:
if x.count('*') < cur_8_next.count('*'):
break
if cur_8_next.count('*') == x.count('*'):
obj_2 = str(cur).replace("*", '') + "-" + str(x).replace("*", '')
print obj_2
if res.has_key(obj_2):
res[obj_2] = res[obj_2] + 1
else:
res[obj_2] = 1
# print 'parent:' + str(cur) + ", right_child:" + str(x)
break
i = i + 1 # print res
得到结果如下:
特征005-053组成子树的次数为3次,053-017组成子树的次数为2次,以此类推...
最新文章
- sea.js 入门
- Language
- hiveserver2以及beeline客户端的使用
- Python学习笔记9—文件
- 重学STM32---(四)
- gray code 格雷码 递归
- JQuery UI 封装了一些常用模板
- js获取地址栏参数数据
- PHP(Math的调用)
- Problem D: 栈小游戏
- javascript 内存管理
- 『片段』Win32 模式窗体 消息路由
- LeetCode 链表(旋转链表61)
- Visual Studio2013 配置opencv3.3.0 x64系统
- Surface 2装机必备软件指南
- Python2.7-bisect
- Android 实现页面跳转并传递参数教程
- gridview 合并单元格 并原样导出数据
- 离线安装 Ambari Hadoop
- 确定文件的位置--浏览文件夹对话框folderBrowserDialog