ML之LIME:基于boston波士顿房价数据集回归预测利用LIME/SP-LIME局部解释图/权重图结合RF随机森林模型实现模型事后解释案例之详细攻略
目录
基于boston波士顿房价数据集回归预测利用LIME/SP-LIME局部解释图/权重图结合RF随机森林模型实现模型事后解释案例之详细攻略
# 4.4、基于LIME显示权重图:输出对应的特征变量的局部解释图
# 4.5、利用SP-LIME带有子模块优化的LIME算法实现全局解释
相关文章
ML之LIME:基于boston波士顿房价数据集回归预测利用LIME/SP-LIME局部解释图/权重图结合RF随机森林模型实现模型事后解释案例之详细攻略
ML之LIME:基于boston波士顿房价数据集回归预测利用LIME/SP-LIME局部解释图/权重图结合RF随机森林模型实现模型事后解释案例之详细攻略实现
基于boston波士顿房价数据集回归预测利用LIME/SP-LIME局部解释图/权重图结合RF随机森林模型实现模型事后解释案例之详细攻略
1、定义数据集
CRIM ZN INDUS CHAS NOX RM AGE DIS RAD TAX PTRATIO B LSTAT price 0 0.00632 18 2.31 0 0.538 6.575 65.2 4.09 1 296 15.3 396.9 4.98 24 1 0.02731 0 7.07 0 0.469 6.421 78.9 4.9671 2 242 17.8 396.9 9.14 21.6 2 0.02729 0 7.07 0 0.469 7.185 61.1 4.9671 2 242 17.8 392.83 4.03 34.7 3 0.03237 0 2.18 0 0.458 6.998 45.8 6.0622 3 222 18.7 394.63 2.94 33.4 4 0.06905 0 2.18 0 0.458 7.147 54.2 6.0622 3 222 18.7 396.9 5.33 36.2 5 0.02985 0 2.18 0 0.458 6.43 58.7 6.0622 3 222 18.7 394.12 5.21 28.7 6 0.08829 12.5 7.87 0 0.524 6.012 66.6 5.5605 5 311 15.2 395.6 12.43 22.9 7 0.14455 12.5 7.87 0 0.524 6.172 96.1 5.9505 5 311 15.2 396.9 19.15 27.1 8 0.21124 12.5 7.87 0 0.524 5.631 100 6.0821 5 311 15.2 386.63 29.93 16.5 9 0.17004 12.5 7.87 0 0.524 6.004 85.9 6.5921 5 311 15.2 386.71 17.1 18.9
2、数据预处理
# 2.1、分离特征和标签
data_X.shape,data_y.shape (506, 13) (506,)
# 2.2、获取类别型特征索引
categorical_features_index [3 8]
3、模型建立并训练
# 3.1、数据集切分
# 3.2、建立模型并训练
# 3.3、模型预测
RFR_R2: 0.7779596519110754
RFR_MSE: 2.445354901960794
4、解释模型
# 4.1、生成LIME解释器
Intercept 24.92879400416056
Prediction_local [22.50477631]
Right: 22.343499999999995
# 4.2、基于LIME对局部点的解释
测试集中任意挑选一个样本,设置用5个特征变量来开始解释。会输出线性代理模型的截距,系数,标准化之后的样本数据,用LIME得到的解释值以及RF预测该样本的值
exp_list
[(‘6.20 < RM
Original: https://blog.csdn.net/qq_41185868/article/details/125814366
Author: 一个处女座的程序猿
Title: ML之LIME:基于boston波士顿房价数据集回归预测利用LIME/SP-LIME局部解释图/权重图结合RF随机森林模型实现模型事后解释案例之详细攻略
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/629666/
转载文章受原作者版权保护。转载请注明原作者出处!