আমি বীমা দাবিতে 2 ক্লাস টার্গেট ভেরিয়েবলের পূর্বাভাস দেওয়ার জন্য এক্সজিস্ট ব্যবহার করছি । আমার একটি মডেল রয়েছে (ক্রস বৈধকরণের সাথে প্রশিক্ষণ, হাইপার প্যারামিটারগুলি টিউনিং ইত্যাদি ...) আমি অন্য একটি ডেটাसेटে চালিত।
আমার প্রশ্নটি হ'ল:
মডেল দ্বারা করা পছন্দ ব্যাখ্যা করে এমন বৈশিষ্ট্যগুলি কেন একটি শ্রেণিতে দাবী করা দাবী প্রভাবিত হয়েছে তা জানার কোনও উপায় আছে ?
উদ্দেশ্যটি হ'ল মেশিন দ্বারা তৃতীয় পক্ষের মানুষের কাছে করা পছন্দকে ন্যায়সঙ্গত করা।
আপনার উত্তরের জন্য ধন্যবাদ.
উত্তর:
আমি আপনাকে শাপের জন্য যেতে পরামর্শ দিচ্ছি । এটি শাপলি মানগুলি (গেম তত্ত্ব থেকে ধার করা ধারণা) ব্যবহার করে মডেল আচরণটি বর্ণনা করে এবং এর সাথে এটি একটি একক পূর্বাভাস ব্যাখ্যা করতে পারে।
এটি গ্রাফিকাল ইন্টারফেসটি ফোর্স প্লটগুলি ব্যবহার করে যেমন আপনি নীচের মত দেখতে পান। 
লাল বারটি এমন বৈশিষ্ট্যগুলি দ্বারা নির্মিত যা পূর্বাভাসটিকে ইতিবাচক মানগুলিতে নিয়ে যায় এবং অন্যগুলি নীল করে।
আপনার ক্ষেত্রে (শ্রেণিবদ্ধকারী) সিগময়েড ফাংশনের ঠিক আগে এক নম্বর গা bold ় সংখ্যাটি শূন্য এবং এক (এক শ্রেণি বা অন্য) মধ্যে আউটপুট মানকে সীমাবদ্ধ করবে। তাই ভয় পাবেন না যদি কিছু ক্ষেত্রে এটি একের চেয়ে বেশি বা নেতিবাচক হয়।
বিভাগগুলির আকারটি সেই বৈশিষ্ট্যটি পূর্বাভাসে কতটা অবদান রাখে তা উপস্থাপন করে এবং বিভাগগুলির অধীনে আপনি বৈশিষ্ট্যের নামটি দেখেন (প্রাক্তন LSTAT) এবং এটির আসল মান (উদাঃ ৪.৯৮)। সুতরাং, এই ক্ষেত্রে, LSTAT হ'ল গড় বৈশিষ্ট্য যা ডেটাসেটের সেই উপাদানটির জন্য ভবিষ্যদ্বাণীকে 24.41 এর মান (গা in়ে সংখ্যা) এর দিকে নিয়ে যায়।
উপভোগ করুন!
আপনি XGBoost মডেলগুলির জন্য পৃথক পূর্বাভাসে বৈশিষ্ট্যটির অবদানটি ব্যাখ্যা করতে ELI5 লাইব্রেরিটি ব্যবহার করতে পারেন ।
দেখুন ভবিষ্যতবাণী ব্যাখ্যা ডক্স, নীচের কপি মধ্যে:
আমাদের শ্রেণিবদ্ধ কীভাবে কাজ করে তার আরও ভাল ধারণা পেতে, আসুন এর সাথে স্বতন্ত্র ভবিষ্যদ্বাণীগুলি পরীক্ষা করে দেখুন
eli5.show_prediction():from eli5 import show_prediction show_prediction(clf, valid_xs[1], vec=vec, show_feature_values=True)
উত্তরের জন্য আপনাকে ধন্যবাদ.
এই আর প্যাকেজটি কাজটি করছে বলে মনে হচ্ছে:
https://medium.com/applied-data-science/new-r-package-the-xgboost-explainer-51dd7d1aa211
