Uczenie maszynowe w Pythonie

Rozdział 13. Interpretacja modelu

Modele prognozujące mają różne właściwości. Niektóre modele są przeznaczone do przetwarzania danych liniowych, inne mogą analizować bardziej złożone informacje. Niektóre interpretuje się bardzo łatwo, inne przypominają czarne skrzynki, które nie dają wglądu w dokonywane prognozy.

W tym rozdziale zajmiemy się interpretowaniem różnych modeli. Wykorzystamy w tym celu przykładowe dane pasażerów Titanica:

>>> dt = DecisionTreeClassifier(

...     random_state=42, max_depth=3

... )

>>> dt.fit(X_train, y_train)

Współczynniki regresji

Przesunięcia i współczynniki regresji pozwalają interpretować oczekiwane wartości i wpływ cech na prognozowane wyniki. Dodatnie wartości współczynników oznaczają, że w miarę wzrostu ...