Discuz! Board

 找回密碼
 立即註冊
搜索
熱搜: 活動 交友 discuz
查看: 1|回復: 0

部分依赖图

[複製鏈接]

1

主題

1

帖子

5

積分

新手上路

Rank: 1

積分
5
發表於 2025-3-6 14:29:14 | 顯示全部樓層 |閱讀模式
的误差度量可能取决于你想要解决的业务问题。事实上,要解释并从你的分析中获得最大的利润,你必须了解误差评估背后的基本概念。更重要的是,你必须考虑根据你的分析采取的行动。

本节深入探讨了模型可解释性的一些常见技术、它们如何应用于我们的 T 恤示例以及 Dataiku 如何提供帮助。请注意,本节深入介绍了解释技术,并且比本指南的其余部分略微高级一些,因此,如果您尚未准备好,您可以在掌握一些模型后随时返回到本节。

部分依赖图有助于解释单个特征 加纳电报数据 对模型预测的影响。例如,如果您尝试预测患者的再入院率并计算年龄特征的部分依赖图,您可能会发现再入院的可能性会随着年龄的增长而增加。

对于所有使用 Python 训练的模型(例如 scikit-learn、keras、自定义模型),Dataiku 可以计算并显示部分依赖图。该图显示目标对单个选定特征的依赖性。x 轴表示特征的值,而 y 轴显示部分依赖性。负部分依赖表示该特征值与目标之间存在负关系,而正部分依赖表示正关系。

例如,在下图中,从我们的 T 恤示例可以看出,对于 40 岁以下的人,age_first_order 与目标之间存在负相关关系。这种关系看起来大致呈抛物线状,最小值在 25 至 30 岁之间。40 岁以后,这种关系缓慢增加,直到晚年急剧下降。该图还显示了特征的分布,以便您可以确定是否有足够的数据来解释特征与目标之间的关系。


回復

使用道具 舉報

您需要登錄後才可以回帖 登錄 | 立即註冊

本版積分規則

Archiver|手機版|自動贊助|GameHost抗攻擊論壇

GMT+8, 2025-4-5 11:17 , Processed in 0.062916 second(s), 18 queries .

抗攻擊 by GameHost X3.4

© 2001-2017 Comsenz Inc.

快速回復 返回頂部 返回列表
一粒米 | 中興米 | 論壇美工 | 設計 抗ddos | 天堂私服 | ddos | ddos | 防ddos | 防禦ddos | 防ddos主機 | 天堂美工 | 設計 防ddos主機 | 抗ddos主機 | 抗ddos | 抗ddos主機 | 抗攻擊論壇 | 天堂自動贊助 | 免費論壇 | 天堂私服 | 天堂123 | 台南清潔 | 天堂 | 天堂私服 | 免費論壇申請 | 抗ddos | 虛擬主機 | 實體主機 | vps | 網域註冊 | 抗攻擊遊戲主機 | ddos |