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

---

相关文章
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实现

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

mpg	cylinders	displacement	horsepower	weight	acceleration	model_year	origin	name
18	8	307	130	3504	12	70	usa	chevrolet chevelle malibu
15	8	350	165	3693	11.5	70	usa	buick skylark 320
18	8	318	150	3436	11	70	usa	plymouth satellite
16	8	304	150	3433	12	70	usa	amc rebel sst
17	8	302	140	3449	10.5	70	usa	ford torino

# 2、数据集预处理

before (398, 9)
    mpg  cylinders  displacement  ...  model_year  origin                       name
0  18.0          8         307.0  ...          70     usa  chevrolet chevelle malibu
1  15.0          8         350.0  ...          70     usa          buick skylark 320
2  18.0          8         318.0  ...          70     usa         plymouth satellite
3  16.0          8         304.0  ...          70     usa              amc rebel sst
4  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  origin
0  18.0          8         307.0  ...          12.0          70     usa
1  15.0          8         350.0  ...          11.5          70     usa
2  18.0          8         318.0  ...          11.0          70     usa
3  16.0          8         304.0  ...          12.0          70     usa
4  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

    

        

    

    

        
Weight
        
Feature
    
    
    

    
        

            

                0.2846
                
                    ± 0.2878
                
            
            

                displacement
            
        
    
        

            

                0.1770
                
                    ± 0.2423
                
            
            

                weight
            
        
    
        

            

                0.1604
                
                    ± 0.1535
                
            
            

                horsepower
            
        
    
        

            

                0.1397
                
                    ± 0.1684
                
            
            

                mpg
            
        
    
        

            

                0.1085
                
                    ± 0.0800
                
            
            

                acceleration
            
        
    
        

            

                0.0715
                
                    ± 0.0545
                
            
            

                model_year
            
        
    
        

            

                0.0583
                
                    ± 0.1736
                
            
            

                cylinders
            
        
    
    
    

# T2、基于模型度量的解释—PFI置换特征重要性并可视化