基于业务解释的特征重要性计算

总第220篇/张俊红

如果有学过或者用过一些算法的同学，应该对特征重要性这个概念并不陌生。算法一般都是用来做预测的，而预测也不是凭空发生的，是基于一些已有的变量(x)进行预测的，那在众多的x中每个x对最终的预测贡献的信息具体是多少呢？比如要预测明天是否会下雨，第一个x是明天的空气湿度，第二个x是明天天晴或天阴，第三个x是明天的温度，第四个x是明天是星期几，在预测明天是否会下雨这件事上这四个不同的x对预测的影响肯定是不一样的，我们把这个影响大小称为特征重要性。

那特征重要性和基于业务解释的特征重要性有什么区别呢？是经常听到很多做数据分析的人说学算法是为了更好的做数据分析，为了更好的推进业务。为了推进业务就需要你的结果是可解释的，你不能拿着一个黑盒模型告诉业务说，模型结果是明天会下雨，至于为什么，不知道。这肯定是不可以的，所以我们需要对我们的结果进行解释。

关于特征重要性，不同模型的计算方法略有不同，但是一个总体大原则就是谁对模型预测结果准确度贡献越大，谁的重要性就高。很多模型都会自带feature_importance属性，可以得出每个特征的重要性得分。

特征重要性得分让我们知道了不同特征之间的重要性情况，除此之外，我们还想知道在其他特征不变的情况，某一个特征内部重要性分布是什么样的。这个也是有现成方法，叫做部分依赖图，英文全称是Partial Dependence Plots