blocks|key|263605|text|部分依赖图近似于目标和一个特定自变量之间的依赖关系，在所有其他自变量上被边缘化。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|263606|虽然它没有在所有点上给出精确的梯度。它帮助我们获得了变化行为的直觉。|263607|您可以在这里找到更多关于它的信息：dependence.html|offset|length|263608|entityMap|0|LINK|mutability|MUTABLE|url|https://scikit-learn.org/stable/modules/generated/sklearn.inspection.plot_partial_dependence.html^0|0|0|H|F|0|0^^$0|@$1|2|3|4|5|6|7|P|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|Q|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|R|8|@]|9|@$F|S|G|T|1|U]]|A|$]]|$1|H|3|-4|5|6|7|V|8|@]|9|@]|A|$]]]|I|$J|$5|K|L|M|A|$N|O]]]]

Partial dependence plots approximate the dependence between the target and a particular independent variable marginalised on all other independent variables.
While it doesn't give exact gradient at all points. It helps us get an intuition of the variable behavior.
You can find more about it here:
<a href="https://scikit-learn.org/stable/modules/generated/sklearn.inspection.plot_partial_dependence.html" rel="nofollow noreferrer">https://scikit-learn.org/stable/modules/generated/sklearn.inspection.plot_partial_dependence.html</a>

blocks|key|901324|text|我知道两种解释随机森林的方法：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|901325|如果您使用sklearn随机森林，您可以使用feature_importances_类属性(越高越好)|unordered-list-item|offset|length|style|CODE|901326|解释“黑匣子模型”的一个更普遍的方法是灵敏度分析，我认为在您的问题中您猜到了这一点|901327|entityMap|0|LINK|mutability|MUTABLE|url|https://en.wikipedia.org/wiki/Sensitivity_analysis^0|0|M|K|0|J|5|0|0^^$0|@$1|2|3|4|5|6|7|S|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|T|8|@$E|U|F|V|G|H]]|9|@]|A|$]]|$1|I|3|J|5|D|7|W|8|@]|9|@$E|X|F|Y|1|Z]]|A|$]]|$1|K|3|-4|5|6|7|10|8|@]|9|@]|A|$]]]|L|$M|$5|N|O|P|A|$Q|R]]]]

I know two ways to interpreter a Random Forest:

<ul>
<li>If you use sklearn Random Forest you can use <code>feature_importances_</code> class attribute (higher is better)</li>
<li>A more general way to interpreter a "black box model" is <a href="https://en.wikipedia.org/wiki/Sensitivity_analysis" rel="nofollow noreferrer">sensitivity analysis</a> and i think in your question you guess this</li>
</ul>

I have been using the sklearn <code>RandomForestClassifier</code> to solve a binary classification problem.
For a particular sample prediction, I would like to be able to know how to change the features' values to make the prediction change.
E.g. let's say I have an entry with <code>[size = 15, width = 8, height = 13]</code> and the model gives me a<code>probability = 0.9</code> to be of <code>class 1</code>. What I would like to be able to say is &quot;change <code>size</code> from <code>15</code> to <code>10</code>&quot; and then your <code>probability=0.1</code> for example.
Then optimally, what I would like is the smallest &quot;gradient&quot; in the features values to move from one class to another (or the one that gives the most change in probability).
Maybe I'm wrong but from what I've read the packages LIME and TreeInterpreter do not provide this kind of information?

Random Forests interpretability

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我一直在使用sklearn RandomForestClassifier来解决一个二进制分类问题。对于特定的样本预测，我希望能够知道如何更改特性的值，从而使预测更改。比方说，我在[size = 15, width = 8, height = 13]中有一个条目，模型给了我一个class 1的probability = 0.9。我想说的是“将size从15更改为10”，然后是您的probabilit

问随机森林可解释性
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问随机森林可解释性EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问随机森林可解释性
EN