特征重要性可以用来解释模型预测的“为啥以及哪个特征有贡献”？

Posted 2023-03-25

【中文标题】特征重要性可以用来解释模型预测的“为啥以及哪个特征有贡献”？

【英文标题】：Can feature importance be used to explain the "why and which feature contributed" to model predictions?特征重要性可以用来解释模型预测的“为什么以及哪个特征有贡献”？

【发布时间】：2021-11-21 12:38:53

【问题描述】：

我有一个 XGBoost(classificaion) 模型，使用 N 变量和模型的特征重要性列表，准确率约为 75%。我的问题是 - 对于给定的行和预测分数 - 我可以解释哪些特征导致 1 或 0 预测？

【参考方案1】：

我为此使用了xgboostExplainer。这个 R 包为每个样本创建一个图，显示每个变量对最终预测的得分和累积贡献，例如

该样本被预测为阳性：

这个样本被预测为阴性：

条形的高度取决于变量的重要性以及该变量对该样本的得分，即对于给定的样本，您可以查看哪些变量对最终预测有贡献以及原因。

【讨论】：

谢谢，这正是我要找的，python 中有没有类似的包可以提供类似的输出？

据我所知。如果您需要特定于 python 的解决方案，请在您的问题中标记 python。