Python机器学习：plot_importance()查看特征重要度

lightgmb算法里面的plot_importance()方法支持特征重要度的查看，下面将以lightgmb算法为例将特征重要度可视化展示出来。另外xgboost算法的实现也几乎一样哦。

事先准备好模型：

import lightgbm as lgb
model_lgb = lgb.LGBMClassifier().fit(X_train, y_train)

以上模型训练好了，下面查看特征重要度：

from lightgbm import plot_importance
fig,ax = plt.subplots(figsize=(10,8))
plot_importance(model_lgb,max_num_features=20,ax=ax)
plt.show()

代码讲解：

import导入lightgbm算法里查看特征重要度的plot_importance包；

plt.subplots(figsize=(10,8))指生成长为10，宽为8的画布；

plot_importance()里面的model_lgb是我们事先定义的函数名，里面存了lightgbm算法；max_num_features=20展示头部20个特征；

运行结果：

不限制max_num_features，即可展示所有的特征：

fig,ax = plt.subplots(figsize=(10,8))
plot_importance(model_lgb,ax=ax)

图里面的特征重要度从大到小的排列，就能够直观地了解哪些是影响预测结果的重要特征了。