机器学习PAI使用 XGBoost 如何在 PAI 台上查看特征重要性？

在阿里云机器学习平台 PAI 上使用 XGBoost 的 binary:logistic（逻辑回归二分类，输出概率）方式训练模型后，可以通过以下步骤查看特征重要性：

1. 配置训练任务时启用特征重要性输出

在使用 XGBoost 训练组件时，需要确保在参数配置中启用了特征重要性的输出功能。具体操作如下：

• PAI 命令方式： 在提交 XGBoost 训练任务的 PAI 命令中，添加以下参数以指定输出特征重要性表：

  -DoutputImportanceTableName="feature_importance_table"
  

  其中，feature_importance_table 是您自定义的表名，用于存储特征重要性结果。

• 可视化方式： 如果通过 Designer 可视化界面配置 XGBoost 组件，可以在组件的参数设置中找到 输出特征重要性表 的选项，并填写对应的表名。

注意：确保输入数据格式正确，且特征列和标签列已正确指定。

2. 运行训练任务

完成参数配置后，提交并运行训练任务。训练完成后，系统会自动将特征重要性结果写入您指定的表中。

3. 查看特征重要性表

训练任务完成后，可以通过以下方式查看特征重要性表的内容：

方法一：通过 SQL 查询

• 登录到 MaxCompute 或其他支持的计算引擎。
• 使用 SQL 查询语句查看特征重要性表的内容。例如：

  SELECT * FROM feature_importance_table;
  

  查询结果通常包含以下字段： - feature：特征名称。 - importance：特征的重要性得分。 - rank：特征按重要性排序的排名。

方法二：通过可视化分析

• 在 PAI 平台的 Designer 工作流页面，右键单击 XGBoost 训练组件。
• 在快捷菜单中选择 可视化分析。
• 在弹出的对话框中，切换到 特征重要性 页面，即可查看特征重要性的图表和详细信息。

4. 特征重要性评估

特征重要性表中的得分可以帮助您理解哪些特征对模型预测的影响最大。通常，得分越高，特征对模型的贡献越大。您可以根据这些信息进行特征选择或优化模型。

重要提醒

• 特征重要性输出依赖于参数配置：如果未在训练任务中指定 outputImportanceTableName 参数，则无法生成特征重要性表。
• 数据格式要求：确保输入数据格式符合 XGBoost 的要求（如 Table 格式或 LibSVM 格式），否则可能导致训练失败或特征重要性计算异常。

通过以上步骤，您可以在 PAI 平台上成功查看 XGBoost 模型的特征重要性，并利用这些信息优化模型性能。