xgboost - Sagemaker 中 XGBoost 的功能重要性

Question

我已经使用 Amazon Sagemaker 构建了一个 XGBoost 模型，但是我找不到任何可以帮助我解释模型并验证它是否学习了正确的依赖关系的东西。

通常，我们可以通过 python API ( https://xgboost.readthedocs.io/en/latest/python/python_api.html ) 中的 get_fscore() 函数看到 XGBoost 的功能重要性，我在 sagemaker api ( https://sagemaker.readthedocs.io/en/stable/estimators.html ) 中看不到这种类型。

我知道我可以构建自己的模型，然后使用 sagemaker 进行部署，但我很好奇是否有人遇到过这个问题以及他们是如何克服它的。

谢谢。

Answer 1

截至 2019 年 6 月 17 日，Sagemaker XGBoost 模型存储在 S3 上的存档中，名为 model.tar.gz .该存档由一个名为 xgboost-model 的腌制模型文件组成。 .

要直接从 S3 加载模型而不下载，可以使用以下代码:

import s3fs
import pickle
import tarfile
import xgboost

model_path = 's3://<bucket>/<path_to_model_dir>/xgboost-2019-06-16-09-56-39-854/output/model.tar.gz'

fs = s3fs.S3FileSystem()

with fs.open(model_path, 'rb') as f:
    with tarfile.open(fileobj=f, mode='r') as tar_f:
        with tar_f.extractfile('xgboost-model') as extracted_f:
            xgbooster = pickle.load(extracted_f)

xgbooster.get_fscore()