Python 如何在少数功能上应用XGBoost功能

我使用了算法a的标准版本，它具有x、y和z特征 然后我使用特征工程为算法添加了一个新特征（10个新特征）

我想使用特征重要性方法仅在10个特征之间选择最重要的特征，而不删除任何（x、y、z特征） 我能否首先确定要应用特征重要性方法的特征列表

我尝试过此源代码，但它描绘了所有功能：

from xgboost import XGBClassifier
from xgboost import plot_importance

# fit model to training data
xgb_model = XGBClassifier(random_state = 0 )
xgb_model.fit(X_train, y_train)

print("Feature Importances : ", xgb_model.feature_importances_)

# plot feature importance
plot_importance(xgb_model)
plt.show()

---

我想知道您是否尝试过从Xu train中删除这三个功能，然后执行xgb_model.fit（Xu train，y_train）？不，我保留了这三个功能，我已经训练了所有13个功能；但我想比较10个新创建的功能的重要性，以减少一些没有太大影响的功能，从而使模型的最后版本包括（x、y、z，+某些最重要的功能）