模型的可解释性

一、PI：Permutaion Importance — 排列重要性

作用：衡量特征重要性方法

原理：

代码示例：基于模型用球队的统计数据预测一个足球队会不会出现“全场最佳球员”

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

data = pd.read_csv('../input/fifa-2018-match-statistics/FIFA 2018 Statistics.csv')
y = (data['Man of the Match'] == "Yes")  # Convert from string "Yes"/"No" to binary
feature_names = [i for i in data.columns if data[i].dtype in [np.int64]]
X = data[feature_names]
train_X, val_X, train_y, val_y = train_test_split(X, y, random_state=1)
my_model = RandomForestClassifier(random_state=0).fit(train_X, train_y)

用eli5库计算和展示排列重要性 

import eli5
from eli5.sklearn import PermutationImportance

perm = PermutationImportance(my_model, random_state=1).fit(val_X, val_y)
eli5.show_weights(perm, feature_names = val_X.columns.tolist())

输出结果：

 排列重要性结果解读：

排在最上面的是最重要的特征，排在最下面是重要性最低的特征。

每一行的第一个数字表示模型性能衰减了多少。

在对某一打乱的特征提取重要性的时候，是存在随机性的，所以我们在计算排列重要性的时候，会通过多次打乱顺序的方式重复这一过程。在±后面的数字表示标准差。

偶尔你会看到负值的排列重要性。在这些情况中，在打乱的数据上得到预测结果比真实数据的准确率更高。这在所选特征与目标基本无关（重要性应该为0）的情况下会出现，但是随机的因素导致预测结果在打乱的数据上表现得更准确。就像这个例子一样，因为没有容忍随机性的空间，这种情况在小的数据集上很常见。

特征重要性展示的是哪些变量对预测的影响最大——方式是随机打乱某一列的特征，而部分依赖图展示的是特征如何影响模型预测的——方式是控制变量，不断变化某一列的值后，预测结果求平均。

二、PDP：Partial Dependence Plots —— 部分依赖图

 

 

 其他方法ALE(Accumulated Local Effects)可以缓解这个问题 

 三、LIME：Local Interpretable Model-agnostic Explanations 

 

 

 

 

 

 

参考文献：
http://t.csdnimg.cn/TNZGQ

https://www.bilibili.com/video/BV1d5411h7K2/?

https://www.bilibili.com/video/BV12V4y1G7KF/?