⛄ set_feature_names

这篇文章介绍了 CatBoost 中 set_feature_names 方法的使用方法，该方法用于设置模型中所有特征的名称。1

方法调用格式¶

set_feature_names(feature_names)

参数说明¶

feature_names¶

描述： 一个一维数组，包含每个特征的名称。指定名称的顺序和数量必须与数据集中的特征顺序和数量一致。
可能类型： ndarray、list
默认值： 必填参数 1

示例¶

from catboost import CatBoost

train_data = [[1, 4, 5, 6],
              [4, 5, 6, 7],
              [30, 40, 50, 60]]

eval_data = [[2, 4, 6, 8],
             [1, 4, 50, 60]]

train_labels = [10, 20, 30]

model = CatBoost()

model.fit(train_data,
          train_labels,
          verbose=False)

print("Original feature names:")
print(model.feature_names_)
print("Changed feature names:")
model.set_feature_names(["feature_1", "feature_2", "feature_3", "feature_4"])
print(model.feature_names_)

这个示例展示了如何使用 set_feature_names 方法设置模型中所有特征的名称。 1

输出：

原始特征名称：
['0', '1', '2', '3']
更改后的特征名称：
['feature_1', 'feature_2', 'feature_3', 'feature_4']

注意： 该方法可以用于 CatBoost、CatBoostClassifier、CatBoostRegressor 和 Pool 类。 1

此外，set_feature_names 方法还可以用于设置 Pool 类中所有特征的名称。 2

import numpy as np
from catboost import Pool

train_data = [[76, 'blvd', 41, 50, 7],
              [75, 'today', 57, 0, 48],
              [70, 'letters', 33, 17, 7],
              [72, 'now', 43, 29, 12],
              [60, 'back', 2, 0, 1]]

label_values = [1, 0, 0, 1, 4]

input_pool = Pool(data=train_data,
                  label=label_values,
                  cat_features=[1])

input_pool.set_feature_names(['year', 'name', 'BLBRD', 'CAC', 'OAC'])

这个示例展示了如何使用 set_feature_names 方法设置 Pool 类中所有特征的名称。 2

注意： 在使用 set_feature_names 方法设置特征名称后，可以使用 get_feature_names 方法获取特征名称。 3

from catboost import FeaturesData

fd = FeaturesData(
    num_feature_data=np.array([[1, 4, 5, 6], [4, 5, 6, 7], [30, 40, 50, 60]], dtype=np.float32),
    num_feature_names=['num_feat0', 'num_feat1', 'num_feat2', 'num_feat3'],
    cat_feature_data=np.array([["a", "b"], ["a", "b"], ["c", "d"]], dtype=object),
    cat_feature_names=['cat_feat0', 'cat_feat1']
)

print(fd.get_feature_names())

这个示例展示了如何使用 get_feature_names 方法获取特征名称。 3

最后，需要注意的是，CatBoost 模型的特征名称存储在 JSON 格式中，而不能存储在 CPP 格式中。 4 因此，在使用 Python 加载 CPP 格式的模型时，特征名称将无法被加载。 4

此外，如果在 cat_features 参数中指定了特征名称而不是索引，则必须为训练数据集提供特征名称。 6 否则，CatBoost 将无法识别分类特征。 6