【发布时间】：2021-11-21 12:38:53
【问题描述】：
我有一个 XGBoost(classificaion) 模型，使用 N 变量和模型的特征重要性列表，准确率约为 75%。我的问题是 - 对于给定的行和预测分数 - 我可以解释哪些特征导致 1 或 0 预测？
【问题讨论】：
标签： classification prediction xgboost feature-selection non-linear
【发布时间】：2021-11-21 12:38:53
【问题描述】：
我为此使用了xgboostExplainer。这个 R 包为每个样本创建一个图，显示每个变量对最终预测的得分和累积贡献，例如
该样本被预测为阳性：
这个样本被预测为阴性：
条形的高度取决于变量的重要性以及该变量对该样本的得分，即对于给定的样本，您可以查看哪些变量对最终预测有贡献以及原因。
【讨论】：
-
谢谢，这正是我要找的，python 中有没有类似的包可以提供类似的输出？
-
据我所知。如果您需要特定于 python 的解决方案，请在您的问题中标记 python。