Scikit learn XGBoost从助推器对象获取分类器对象？

我通常使用

regr = XGBClassifier()
regr.fit(X, y)
regr.feature_importances_

其中类型（regr）为

但是，我有一个pickle mXGBoost模型，解包后返回类型为的对象。这与我运行regr.get_booster（）时使用的对象相同

我已经找到了一些从增压器对象获取可变重要性的解决方案，但是有没有一种方法可以从增压器对象获取分类器对象，这样我就可以应用相同的feature\u importances\u命令？这似乎是最简单的解决方案，或者我必须编写一个函数来模拟feature_importances_uu的输出，以便它适合我记录的feature importances

所以理想情况下我会有

xbg_booster = pickle.load(open("xgboost-model", "rb"))
assert str(type(xgb_booster)) == "<class 'xgboost.core.Booster'>", 'wrong class'
xgb_classifier = xgb_booster.get_classifier()
xgb_classifier.feature_importances_

xbg\u增压器=pickle.load（打开（“xgboost型号”、“rb”））
断言str（类型（xgb\u booster））==“”，“错误的类”
xgb_分类器=xgb_助推器。获取_分类器（）
xgb\u分类器。特征\u重要性_

在寻找分类器方面，助推器对象的操作是否有任何限制？我想有一些保存/加载/转储的组合可以满足我的需要，但我现在陷入困境

---

同样在上下文中，pickled模型是AWS sagemaker的输出，因此我只是将其解包以进行进一步的评估

根据我自己的经验，尝试从sagemaker生成的助推器对象中重新创建分类器，我学到了以下几点：

似乎无法从助推器重新创建分类器：(

有助推器类的详细信息，以便您可以回顾它可以做什么

你可以做的疯狂事情：

您可以创建一个分类器对象，然后覆盖其中的增压器：

xgb_分类器=xgb.XGBClassifier（**xgboost_参数）

[……]

xgb_分类器。_Boster=助推器

除非您对其进行拟合，否则这几乎是无用的，否则它没有任何功能数据。（我没有在整个场景中验证拟合是否会提供功能所需的功能数据。）

您可以从分类器中移除增压器对象，然后直接使用xgboost对分类器进行酸洗。然后再将SageMaker增压器还原回分类器中。这种讨厌的东西比较接近，似乎可以工作，但实际上并不是仅从SageMaker输出中重新水合的分类器对象

建议

如果您没有使用SageMaker培训解决方案，您当然可以直接使用XGBoost进行培训。此时，您可以访问转储/保存数据以在不同环境中使用所需的所有内容

---

我知道您追求的是功能重要性，所以我希望这能让您更接近，我有一个不同的用例，最终能够利用增压器满足我的需要。

根据我自己的经验，尝试从SageMaker生成的增压器对象中重新创建分类器，我学到了以下几点：

似乎无法从助推器重新创建分类器：(

有助推器类的详细信息，以便您可以回顾它可以做什么

你可以做的疯狂事情：

您可以创建一个分类器对象，然后覆盖其中的增压器：

xgb_分类器=xgb.XGBClassifier（**xgboost_参数）

[……]

xgb_分类器。_Boster=助推器

除非您对其进行拟合，否则这几乎是无用的，否则它没有任何功能数据。（我没有在整个场景中验证拟合是否会提供功能所需的功能数据。）

您可以从分类器中移除增压器对象，然后直接使用xgboost对分类器进行酸洗。然后再将SageMaker增压器还原回分类器中。这种讨厌的东西比较接近，似乎可以工作，但实际上并不是仅从SageMaker输出中重新水合的分类器对象

建议

如果您没有使用SageMaker培训解决方案，您当然可以直接使用XGBoost进行培训。此时，您可以访问转储/保存数据以在不同环境中使用所需的所有内容

---

我知道你追求的是功能重要性，所以我希望这能让你更接近我，我有一个不同的用例，最终能够利用助推器满足我的需要。

这太奇怪了，我能够通过xgb_classifier=xgb.XGBClassifier（）获得功能重要性-->xgb\U分类器。-->xgb\U分类器。功能重要性这很奇怪，我可以通过xgb\U分类器=xgb.XGBClassifier（）-->xgb\U分类器获得功能重要性。-->xgb\U分类器。-->