XGBOOSTも特徴量の重要度を取得できる？

2024年6月8日

はい、XGBoost（Extreme Gradient Boosting）モデルでも特徴量の重要度を取得することができます。XGBoostでは、特徴量の重要度を計算することで、モデルの予測に寄与する特徴量を理解し、モデルの解釈性を向上させることができます。

XGBoostモデルの特徴量の重要度を取得する方法は、get_booster()メソッドを使用してブースターを取得し、その後、get_score()メソッドを使用して各特徴量の重要度を取得することです。

以下は、XGBoostを使用してモデルを構築し、特徴量の重要度を取得する例です。

python
import xgboost as xgb
import numpy as np

# ランダムなデータを生成
X = np.random.rand(100, 10)  # 100サンプル, 10特徴量
y = np.random.randint(2, size=100)  # 2クラスの分類ターゲット

# XGBoostモデルを構築
xgb_model = xgb.XGBClassifier()
xgb_model.fit(X, y)

# ブースターを取得
booster = xgb_model.get_booster()

# 各特徴量の重要度を取得
importances = booster.get_score(importance_type='weight')

# 各特徴量の重要度を出力
for feature, importance in importances.items():
    print(f'Feature {feature}: Importance = {importance}')

このコードでは、ランダムな特徴量とターゲットを生成し、XGBoostモデルを構築しています。get_booster()メソッドを使用してブースターを取得し、その後、get_score()メソッドを使用して各特徴量の重要度を取得しています。特徴量の重要度が高いほど、その特徴量がモデルの予測に与える影響が大きいことを示します。