如何在特征重要性图中显示原始特征名称？答案

【问题标题】：How to show original feature names in the feature importance plot?如何在特征重要性图中显示原始特征名称？
【发布时间】：2018-12-06 12:13:27
【问题描述】：

我创建的 XGBoost 模型如下：

y = XY.DELAY_MIN
X = standardized_df

train_X, test_X, train_y, test_y = train_test_split(X.as_matrix(), y.as_matrix(), test_size=0.25)

my_imputer = preprocessing.Imputer()
train_X = my_imputer.fit_transform(train_X)
test_X = my_imputer.transform(test_X)

xgb_model = XGBRegressor()

# Add silent=True to avoid printing out updates with each cycle
xgb_model = XGBRegressor(n_estimators=1000, learning_rate=0.05)
xgb_model.fit(train_X, train_y, early_stopping_rounds=5, 
             eval_set=[(test_X, test_y)], verbose=False)

创建特征重要性图时，特征名称显示为“f1”、“f2”等。如何显示原始特征名称？

fig, ax = plt.subplots(figsize=(12,18))
xgb.plot_importance(xgb_model, max_num_features=30, height=0.8, ax=ax)
plt.show()

【问题讨论】：

标签： python pandas xgboost

【解决方案1】：

问题是Imputer 不返回pd.DataFrame 作为transform() 的输出，因此，当你这样做时，你的列名会丢失

train_X = my_imputer.fit_transform(train_X)
test_X = my_imputer.transform(test_X)

简单的解决方案，将 imputer 输出包装到数据帧中，例如这样：

train_X = pd.DataFrame(my_imputer.fit_transform(train_X), columns=train_X.columns)
test_X  = pd.DataFrame(my_imputer.transform(test_X), columns=test_X.columns)

【讨论】：