質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.07%

[python] adaboostにおける変数重要度をmatplotlibで描画するソースコード

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 377

color_8

score 14

前提・実現したいこと

pythonで、adaboostを使って分類問題を解いています。
データセットは、有名な「Breast Cancer Wisconsin」という乳がんデータです。

発生している問題・エラーメッセージ

以下のソースコードの通りで、予測モデルまではコードで作れたのですが、
各特徴量の変数重要度(feature importance)を、
matplotlibを使ってグラフで出力したいのですが、コードがうまくいきません。

該当のソースコード

# 必要なライブラリのインポート
import numpy as np
import pandas as pd
from sklearn.datasets import load_digits
from sklearn.ensemble import AdaBoostClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import classification_report
from sklearn.model_selection import GridSearchCV, train_test_split

# データの読み込み
df = pd.read_csv('data_2.csv' )

# 説明変数をdata_Xに、目的変数をdata_yに代入
data_X = df.drop('diagnosis', axis=1)
data_y = df['diagnosis']

def main():
    ada = AdaBoostClassifier(n_estimators=100) #n_estimators=弱い識別機を使った分類を何回繰り返すかの指定
    params = {"base_estimator" : [DecisionTreeClassifier(max_depth=x)  #パラメータチューニング
                                  for x in range(5, 10)],
              "learning_rate" : [0.5, 1.0, 1.5]
             }
    cv = GridSearchCV(ada, params, cv=5, n_jobs=-1, verbose=2) 

    X_train, X_test, y_train, y_test = train_test_split(
        data_X, data_y, stratify=data_y, test_size=0.2, random_state=1)
    cv.fit(X_train, y_train)
    print(cv.best_params_)
    pred = cv.predict(X_test)
    print(classification_report(y_test, pred))

if __name__ == "__main__":
    main()

試したこと

ちなみに、xgboostでは以下のコードでグラフが描画できたのですが、
これと同様の変数重要度のグラフはadaboostで描画可能でしょうか?

_, ax = plt.subplots(figsize=(8, 8))
xgb.plot_importance(clf,
ax=ax,
importance_type='gain',
show_values=False)
plt.show()

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

特徴重要度はcv.best_estimator_.feature_importances_で取れます。これは本当にただの配列です。

とりあえずpandasのSeriesにしてシンプルにプロットしてみます。交差検証によるチューニング、ホールドアウト検証は面倒なので省きました(あくまでも例示のために単純化しているだけで、実際のコードではお望みのようにやってください)。

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer
from sklearn.ensemble import AdaBoostClassifier

bc = load_breast_cancer()
ada = AdaBoostClassifier()
ada.fit(bc.data, bc.target)
s = pd.Series(ada.feature_importances_, index=bc.feature_names)
s.plot.barh(color="b")
plt.subplots_adjust(left=0.3)  # こうしないとラベルがはみ出る
plt.savefig("result.png")

イメージ説明

細かい見た目の調整までには責任を負いません。気になったらリファレンスを読みながら調整してみてください。

pandas.Series.plot — pandas 0.24.2 documentation
matplotlib.pyplot.bar — Matplotlib 3.1.0 documentation

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/12/18 20:36

    すみません、、理解できなかったです。

    質問分のコードの後に

    ↑というのは、
    if __name__ == "__main__":
    main()
    のあとに、
    s = pd.Series(cv.best_estimator_.feature_importances_, index=bc.feature_names)

    を記述すれば。ということでしょうか?
    これだと"cv"を定義していないのですが、これはどうすればよいのでしょうか。

    すみません、理解度が低く。。

    キャンセル

  • 2019/12/18 21:07

    main関数の
    print(classification_report(y_test, pred))
    の次の行の下に入れてください。

    キャンセル

  • 2019/12/19 10:16

    有難うございました!
    理解出来ました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.07%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る