哪种数据科学模型最适合预测问题的可解释性？

Question

想象一下，你必须创建一个模型来向涉众解释，例如预测价格、重量、销售额等。在可解释性和可间性方面，哪种回归模型提供的效果最好？哪种型号最适合这个？

Answer 1

我认为线性(通过模型的系数/权重)和基于树的模型(增益的重要性)是最好的可解释性。

但这并不局限于那些模型，因为你可以使用模型不可知论的技术来解释任何模型，甚至那些被认为是“黑匣子”的模型。

比如：

1. SHAP值
2. 部分相依图
3. 酸橙

您可以查看这个好的资源来了解更多信息。

您不能忘记，模型可解释性的一个重要部分是模型性能。有一个易于解释的模型是没有意义的，但由于该模型发现的那些结构并不具有很好的通用性，所以它的性能不佳。因此，一个合适的模型版本将引导您在解释它时得出“正确”的结论。

Answer 2

对于这个场景，我将保证符号回归(https://en.wikipedia.org/wiki/Symbolic_regression#:~:text=Symbolic%20Regression%20(SR)%20is%20a，启动%20点%20到%20%20算法。 )，它允许您将人类可解释的数学方程演化为一个总体。然后，您可以选择一个在性能和可解释性之间进行最佳权衡的模型。

有一些商业软件包可用于此，如DataModeler (https://evolved-analytics.com/)，它允许您进化模型的总体，您可以探索Pareto前沿，它为您提供了在简单性(可解释性)和准确性之间的最佳折衷，您可以选择哪一个最适合您的需求。DataModeler还有其他特性，可以让您进一步探索模型以确定变量的重要性等，这些特性可以帮助您向涉众解释模型。

还有Eureqa (https://www.datarobot.com/nutonian/)，它是最近被Nutoni人买下的，但是我对这个实现不太熟悉，因为它已经打包成DataRobot，作为许多不同的特性之一。

在前面链接的符号回归维基百科页面上提到了一些开源实现，但我还不太熟悉这些实现对用户有多友好。