Machine Learning – Die Referenz

KAPITEL 16

Interpretation von Regressionsmodellen

Die meisten der Techniken zur Erklärung von Klassifikationsmodellen sind auch auf Regressionsmodelle anwendbar. In diesem Kapitel werden wir sehen, wie man Regressionsmodelle mithilfe der Bibliothek SHAP interpretiert.

Wir werden ein XGBoost-Modell für den Bostoner Wohnungsbaudatensatz interpretieren:

>>> import xgboost as xgb

>>> xgr = xgb.XGBRegressor(

... random_state=42, base_score=0.5

... )

>>> xgr.fit(bos_X_train, bos_y_train)

Shapley

Ich bin ein großer Freund von Shapley, da es modellunabhängig ist. Zudem gibt uns diese Bibliothek einen ganzheitlichen Einblick in unser Modell und hilft, einzelne Vorhersagen zu erklären. Für Black-Box-Modelle finde ich sie sehr nützlich.

Als Erstes schauen ...