文件名称：lofo-importance:忽略一项功能
文件大小：734KB
文件格式：ZIP
更新时间：2024-06-14 07:18:21
data-science machine-learning feature-selection feature-importance explainable-ai
LOFO（遗留一个特征）重要性通过选择准则，迭代选择模型中的每个特征迭代删除每个特征并评估模型的性能，从而根据选择的度量标准来计算一组特征的重要性根据所选指标进行选择。 LOFO首先评估包含所有输入特征的模型的性能，然后一次迭代地删除一个特征，重新训练模型，然后在验证集上评估其性能。 然后报告每个特征重要性的均值和标准差（跨折）。 如果没有将模型作为参数传递给LOFO Importance，它将作为默认模型运行LightGBM。 安装 可以使用以下方法安装LOFO重要性 pip install lofo-importance LOFO重要性的优势 与其他重要类型相比，LOFO具有几个优点： 它不支持粒度功能 它可以很好地推广到看不见的测试集 与模型无关 它对在包容时会损害性能的功能给予负面重视 它可以对功能进行分组。 对于TFIDF或OHE要素等高维要素特别有用。 Kaggle的M
【文件预览】：
lofo-importance-master
----setup.py(831B)
----.gitignore(1KB)
----requirements.txt(53B)
----data()
--------test_data.py(1KB)
----LOFOImportance Example.ipynb(45KB)
----.travis.yml(260B)
----LICENSE(1KB)
----README.md(6KB)
----tests()
--------test_dataset.py(1KB)
--------test_flofo_importance.py(1KB)
--------test_lofo_importance.py(3KB)
----lofo()
--------lofo_importance.py(3KB)
--------plotting.py(1KB)
--------__init__.py(157B)
--------infer_defaults.py(643B)
--------utils.py(886B)
--------dataset.py(3KB)
--------flofo_importance.py(4KB)
----.gitattributes(60B)
----.flake8(52B)
----docs()
--------lofo_logo.png(11KB)
--------pydata_feb19_lofo.pdf(470KB)
--------plot_importance.png(327KB)
--------plot_importance_box.png(31KB)