Rozdział 16. Interpretacja modelu regresyjnego

Większość technik interpretacji modeli klasyfikacyjnych można stosować w odniesieniu do modeli regresyjnych. W tym rozdziale pokażę, jak można to robić za pomocą biblioteki Shapley. Użyję w tym celu modelu XGBoost z danymi demograficznymi rejonu miasta Boston.

Poniżej przedstawiony jest kod tego modelu:

>>> import xgboost as xgb
>>> xgr = xgb.XGBRegressor(
...     random_state=42, base_score=0.5
... )
>>> xgr.fit(bos_X_train, bos_y_train)

Shapley

Jestem wielkim miłośnikiem biblioteki Shapley, ponieważ można ją stosować z dowolnymi modelami. Daje ona ogólny wgląd w model i ułatwia interpretację poszczególnych prognoz. Szczególnie przydatna okazuje się w przypadku modeli typu „czarna skrzynka”. ...

Get Uczenie maszynowe w Pythonie now with O’Reilly online learning.

O’Reilly members experience live online training, plus books, videos, and digital content from 200+ publishers.