ML之PFI(eli5)：基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序

ML之PFI(eli5)：基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序

ML之PFI(eli5)：基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序

目录

​​基于mpg数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序​​

​​# 1、定义数据集​​

​​# 2、数据集预处理​​

​​# 3、模型建立和训练​​

​​# 3.1、数据集切分​​

​​# 4、对模型进行PFI可视化​​

​​# T1、基于模型本身的解释—如随机森林树模型，但模型可能会存在偏差​​

​​# T2、基于模型度量的解释—PFI置换特征重要性并可视化​​

​

基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序

# 1、定义数据集

# 2、数据集预处理

before (398, 9) mpg cylinders displacement ... model_year origin name0 18.0 8 307.0 ... 70 usa chevrolet chevelle malibu1 15.0 8 350.0 ... 70 usa buick skylark 3202 18.0 8 318.0 ... 70 usa plymouth satellite3 16.0 8 304.0 ... 70 usa amc rebel sst4 17.0 8 302.0 ... 70 usa ford torino[5 rows x 9 columns]after dropna and drop (392, 8) mpg cylinders displacement ... acceleration model_year origin0 18.0 8 307.0 ... 12.0 70 usa1 15.0 8 350.0 ... 11.5 70 usa2 18.0 8 318.0 ... 11.0 70 usa3 16.0 8 304.0 ... 12.0 70 usa4 17.0 8 302.0 ... 10.5 70 usa

# 3、模型建立和训练

# 3.1、数据集切分

X_feature_ns： ['mpg', 'cylinders', 'displacement', 'horsepower', 'weight', 'acceleration', 'model_year']

# 4、对模型进行PFI可视化

# T1、基于模型本身的解释—如随机森林树模型，但模型可能会存在偏差

# T2、基于模型度量的解释—PFI置换特征重要性并可视化

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。