Machine Learning – Die Referenz

KAPITEL 13

Interpretation von Modellen

Vorhersagemodelle haben unterschiedliche Eigenschaften. Manche sind darauf ausgelegt, mit linearen Daten zu arbeiten, während sich andere an komplexere Eingaben anpassen können. Einige Modelle lassen sich sehr leicht interpretieren, andere sind eher Black Boxes und erlauben kaum Einblick in den Vorgang der Vorhersage.

In diesem Kapitel sehen wir uns die Interpretation verschiedener Modelle an. Wir werden dazu einige Beispiele unter Verwendung der Titanic-Daten betrachten.

>>> dt = DecisionTreeClassifier(

... random_state=42, max_depth=3

... )

>>> dt.fit(X_train, y_train)

Regressionskoeffizienten

Achsenabschnitte und Regressionskoeffizienten erklären den erwarteten Wert und den Einfluss der Merkmale auf ...