GBDTSelector 基于 LightGBM，这是一个基于树学习算法的梯度提升框架。
当将数据传递到 GBDT 模型时，该模型将构建提升树。 特征的重要性来自于构造时的分数，其表达了每个特征在模型构造提升决策树时有多有用。
可使用此方法作为 Feature Selector 中较强的基准，特别是在使用 GBDT 模型进行分类或回归时。
当前，支持的 importance_type 有 split 和 gain。 未来会支持定制 importance_type，也就是说用户可以定义如何计算特征分数。
首先，安装依赖项：
pip install lightgbm
然后
from nni.feature_engineering.gbdt_selector import GBDTSelector
# 读取数据
...
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
# 初始化 Selector
fgs = GBDTSelector()
# 拟合数据
fgs.fit(X_train, y_train, ...)
# 获取重要的特征
# 此处会返回重要特征的索引。
print(fgs.get_selected_features(10))
...也可在 /examples/feature_engineering/gbdt_selector/ 目录找到示例。
fit 函数参数要求
-
X (数组，必需) - 训练的输入样本，shape = [n_samples, n_features]
-
y (数组，必需) - 目标值 (分类中为标签，回归中为实数)，shape = [n_samples].
-
lgb_params (dict, 必需) - lightgbm 模型参数。 详情参考这里
-
eval_ratio (float, 必需) - 数据大小的比例 用于从 self.X 中拆分出评估和训练数据。
-
early_stopping_rounds (int, 必需) - lightgbm 中的提前终止设置。 详情参考这里。
-
importance_type (str, 必需) - 可为 'split' 或 'gain'。 'split' 表示 '结果包含特征在模型中使用的次数' 而 'gain' 表示 '结果包含此特征拆分出的总收益'。 详情参考这里。
-
num_boost_round (int, 必需) - 提升的轮数。 详情参考这里。
get_selected_features 函数参数的要求
- topk (int, 必需) - 想要选择的 k 个最好的特征。