我通常使用以下方法来表达特征重要性
regr = XGBClassifier()
regr.fit(X, y)
regr.feature_importances_
其中 type(regr) 是 。
但是，我有一个腌制的 mXGBoost 模型，解压后返回一个类型的对象。这与我运行 regr.get_booster() 的对象相同。
我找到了一些从助推器对象获取可变重要性的解决方案，但是有没有办法从助推器对象获取分类器对象，以便我可以应用相同的 feature_importances_ 命令？这似乎是最直接的解决方案，或者似乎我必须编写一个模仿 feature_importances_ 输出的函数，以便它适合我记录的特征重要性......
所以理想情况下我会有类似的东西
xbg_booster = pickle.load(open("xgboost-model", "rb"))
assert str(type(xgb_booster)) == "<class 'xgboost.core.Booster'>", 'wrong class'
xgb_classifier = xgb_booster.get_classifier()
xgb_classifier.feature_importances_
在查找分类器方面，使用增强对象可以完成的操作是否有任何限制？我想有一些保存/加载/转储的组合可以让我得到我需要的东西，但我现在陷入困境......
另外，就上下文而言，pickled 模型是 AWS sagemaker 的输出，因此我只是将其解压以进行进一步的评估