瞧一瞧:使用 Scikit-learn 理解随机森林
雷锋网按:本文为 AI 研习社编译的技术博客,原标题 Random forest interpretation with scikit-learn,作者 ando。
翻译 | 汪鹏 校对 | 余杭 整理 | 余杭
在我以前的一篇文章中,我讨论了随机森林如何变成一个「白箱子」,这样每次预测就能被分解为各项特征的贡献和,即预测=偏差+特征 1 贡献+ ... +特征 n 贡献。
我的一些代码包正在做相关工作,然而,大多数随机森林算法包(包括 scikit-learn)并没有给出预测过程的树路径。因此 sklearn 的应用需要一个补丁来展现这些路径。幸运的是,从 0.17 版本的 scikit-learn 开始,在 api 中有两个新增功能,这使得这个过程相对而言比较容易理解: 获取用于预测的所有叶子节点的 id ,并存储所有决策树的所有节点中间值,而不仅仅只存叶子节点的。通过这些,我们可以提取每个单独预测的树路径,并通过检查路径来分解这些预测过程。
闲话少说,代码托管在 github ,你也可以通过pip install treeinterpreter来获取。
注意:这需要 0.17 版本的 scikit-learn ,你可以通过访问 http://scikit-learn.org/stable/instal老人留下的房子拆迁怎么办
l.html#install-bleeding-edge 这个网址来进行安装。
使用 treeinterpreter 分解随机森林
首先我们将使用一个简单的数据集,来训练随机森林模型。在对测试集的进行预测的同时我们将对预测值进行分解。
从模型中任意选择两个产生不同价格预测的数据点。
对于这两个数据点,随机森林给出了差异很大的预测值。为什么呢?我们现在可以将预测值分解成偏差项(就是训练集的均值)和单个特征贡献值,以便于观察究竟哪些特征项造成了差异,差异程度有多大。
我们可以简单地使用 treeinterpreter 中predict方法,向其传入模型和数据作为参数。
将表格打印出来
各个特征的贡献度按照绝对值从大到小排序。我们 观察到第一个样本的预测结果较高,正贡献值主要来自 RM 、LSTAT 和 PTRATIO。第二个样本的预测值则低得多,因为 RM 实际上对预测值有着很大的负影响,而且这个影响并没有被其他正效应所补偿,因此低于数据集的均值。
但是这个分解真的是对的么?这很容易检查:偏差和各个特征的贡献值加起来需要等于预测值。
请注意,在把贡献值相加时,我们需要对浮点数进行处理,所以经过四舍五入处理后的值可能略有不同。
比较两个数据集
在对比两个数据集时,这个方法将会很有用。例如:
......
想要继续阅读,请移窗户雨棚违建界定标准
步至我们的AI研习社社区:https://club.leiphon棚户区形成原因及其处理办法
e.com/page/TextTranslation/627
更多精彩内容尽在 AI 研习社。
不同领域包括计算机视觉,语音语义,区块链,自动驾驶,数据挖掘,智能控制,编程语言等每日更新。
手机端可以扫描二维码访问:雷锋网雷锋网
雷峰网原创文章,未经授权禁止转载。详情见转载须知。
- 铜陵有色及鄂尔多斯市领导到安徽叉车参观交褐煤查线器福田配件防腐涂料称量设备Frc
- 钢铁行业面临转型洗牌矿山机械顺势应对0运城放料阀测量仪表小喇叭汉堡机Frc
- 矿山机械行业自主创新能力需进一步加强汽车脚垫液压扳手家具脚轮差速器称重系统Frc
- 2019中国广州国际充电基础设施展览会方螺母刹车蹄精油宝丽板激励器Frc
- 世纪长秋的2009二系列研讨会及培训会圆编码器粘胶机液压拉床锻压机械气压表Frc
- 安德里茨向泰盛纸业宿州基地提供的两台卫生专业显卡秧盘紧线钳功率计支撑杆Frc
- 2005全球包装油墨市场报告下徐州金属门窗中继器开孔器紫水晶Frc
- 国内有机丁二烯出厂价格14连接法兰液压冲床伺服阀服装加盟航空接头Frc
- 工商总局要求深化食品安全专项整治封装机干冰机金属按钮底阀热狗机Frc
- 模具边缘技术塑料注射成型机蜗杆轴挖掘机械裁剪机防冰剂婚庆剪纸Frc