部分依赖图

  • SHAP（SHapley Additive exPlanations）是一种统一的方法来解释任何机器学习模型的输出。SHAP将博弈论与局部解释联系起来，将以前的几种方法结合起来，并根据预期表示唯一可能的一致且局部准确的加法特征归因方法（详见SHAP NIPS论文）。
  • 部分依赖图显示了目标相应和一组特征之间的独立性，排除了其他所有的特征。直观的，可将部分依赖解释为预期的目标响应，和目标特征的函数。

 

参考文献：

【1】SHAP官网

【2】PartialDependencePlots

相关文章：

  • 2021-09-29
  • 2021-07-26
  • 2021-06-12
  • 2022-12-23
  • 2022-12-23
  • 2021-11-21
  • 2022-02-04
  • 2021-12-27
猜你喜欢
  • 2021-06-24
  • 2022-01-27
  • 2022-12-23
  • 2022-12-23
  • 2022-12-23
  • 2021-09-19
  • 2022-12-23
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode