Machine learning 如何解释监督的ML算法（例如，找到具有特定特征范围的子组）

对于某些ML病例，重要的是不仅要给出可靠的预测，还要解释这种预测

如果我们谈论药物治疗效果预测，医生们会好奇地选择一些反应好或坏的患者群体

例如：如果患者：1）体重偏高且头发乌黑，则患者对治疗A会产生负面反应；2） 老年人和老年人都曾接受过治疗B；3） 低体重组和低体重组都曾接受过C治疗

它看起来像分类中的聚类

---

解决此任务的常用方法是什么？

我想说它看起来像“分类数据聚类”（1）或“分类数据聚类”（2）

其中： （1） 可能是：“分别产生消极/消极反应的主要原因是什么？” i、 e.对数据进行分类，然后对每个类进行聚类。 然后，例如，您的结果将类似于“许多阴性患者聚集在一起，因为他们有黑色的头发”

（2）将是：“如果患者情况（体重高、年老等），治疗结果（pos/neg）会是什么？” i、 e.按条件对数据进行聚类，然后对每个条件进行分类。 结果就像“黑发人有40%的负面反应”

这取决于什么对你来说是重要的，你可以看到它有点像条件概率