Python 随机森林可解释性
我一直在使用sklearnPython 随机森林可解释性,python,python-3.x,machine-learning,scikit-learn,random-forest,Python,Python 3.x,Machine Learning,Scikit Learn,Random Forest,我一直在使用sklearnRandomForestClassifier来解决二进制分类问题 对于一个特定的样本预测,我想知道如何更改特征值以使预测更改 例如,假设我有一个条目,[size=15,width=8,height=13],模型给我一个概率=0.9,属于一级。我想说的是“将大小从15更改为10”,然后您的概率=0.1 最理想的情况是,我希望特征值中从一个类传递到另一个类的最小“梯度”(或者概率变化最大的梯度) 也许我错了,但从我所阅读的软件包来看,LIME和treeinterpreter
RandomForestClassifier
来解决二进制分类问题
对于一个特定的样本预测,我想知道如何更改特征值以使预测更改
例如,假设我有一个条目,[size=15,width=8,height=13]
,模型给我一个概率=0.9
,属于一级
。我想说的是“将大小从15
更改为10
”,然后您的概率=0.1
最理想的情况是,我希望特征值中从一个类传递到另一个类的最小“梯度”(或者概率变化最大的梯度)
也许我错了,但从我所阅读的软件包来看,LIME和treeinterpreter并没有提供此类信息
提前谢谢。我知道两种解释随机林的方法:
- 如果使用sklearn Random Forest,则可以使用
feature\u importances\u
class属性(越高越好)
- 解释“黑匣子模型”的一个更一般的方法是,我想在你的问题中,你猜这个
部分相关性图近似于目标变量与所有其他自变量边缘化的特定自变量之间的相关性
但它并不能在所有点上给出精确的梯度。这有助于我们对变量行为的直觉
您可以在此处找到更多信息:
关于敏感性分析,您有任何特定的文档或包吗?R包中有一个随机森林类级别的敏感性分析