如何使用Python获取Vertex AI已训练表格回归模型的特征重要性

特征重要性获取方法 #

你通过get_model接口拿到的返回结果中就包含特征重要性数据，直接解析结构体即可，无需额外调用其他接口，参考代码如下：

# 从已获取的model响应中解析表格模型专属元数据
tables_metadata = response.model_metadata.tables_model_metadata
feature_importance_list = tables_metadata.feature_importances

# 转换为字典格式方便后续可视化处理
feature_importance_map = {
    item.feature_column: item.importance
    for item in feature_importance_list
}

如果上述方法返回为空，可以通过模型关联的训练流水线补充获取：

• 首先从model响应中提取关联的训练流水线资源标识：training_pipeline_name = response.training_pipeline
• 调用流水线服务接口获取训练作业元数据，示例代码如下：

pipeline_client = aiplatform.gapic.PipelineServiceClient(client_options=client_options)
pipeline_response = pipeline_client.get_training_pipeline(name=training_pipeline_name)
feature_importance_list = pipeline_response.model_to_upload.model_metadata.tables_model_metadata.feature_importances

注意：仅训练时开启了特征重要性计算开关的模型可获取到上述数据，Vertex Tabular AutoML默认训练配置为开启状态

内容的提问来源于stack exchange，提问作者Zotara