我不確定我的 PDP 的 y 軸意味著什么？我的目標特征的概率是 1（二元分類）還是其他？
uj5u.com熱心網友回復：
如果您繪制 column 的部分依賴圖，a并且您想解釋 y 處的 y 值，則 y 軸值表示由下式計算x = 0.0的類的平均概率1
a將資料集中所有行中的列值更改為0.0- 使用您的擬合模型預測所有更改的行
- 平均模型給出的概率
我可能不擅長解釋，但您可以在https://christophm.github.io/interpretable-ml-book/pdp.html閱讀有關 PDP 的更多資訊。希望這有幫助:)
uj5u.com熱心網友回復：
一般來說，我們可以從一個函式中產生一個分類器f，產生一個實值輸出加上一個閾值。我們將輸出稱為“激活”。如果激活滿足閾值條件，我們說檢測到類：
is_class := ( f(x0, x1, ...) > threshold )
和
activation = f(x0, x1, ...)
PDP 圖只顯示激活值，因為它們回應輸入值的變化而變化（我們忽略閾值）。這是可能的情節：
f(x0, x, x2, x3, ...)
作為一個單一的輸入x變化。通常，我們保持其他不變，盡管我們也可以繪制 2d 和 3d。
有時我們對以下內容感興趣：
- 如何單更改激活
- 多個輸入如何獨立改變激活
- 多個激活如何根據不同的輸入而變化，等等。
嚴格來說，在查看 PDP 圖時，我們甚至不需要談論分類器。任何產生實值輸出（激活）以回應我們可以改變的更多實值特征輸入的函式都允許我們生成 PDP 圖。
正如其他人所寫的那樣，分類器激活不需要而且通常不應該被解釋為概率。在很多情況下，這完全是不正確的。盡管如此，我們對激活水平的分析很感興趣，與激活是否代表概率無關：例如，在 PDP 圖中，我們可以看到哪些特征值產生了強烈的變化——更多的水平圖可能意味著一個毫無價值的特征。同樣，在 RoC 圖中，我們明確檢查了有關改變激活值閾值的真陽性和假位置檢測率的資訊。在這兩種情況下，分類器都沒有必要產生概率作為其激活。
對 PDP 圖的解讀充滿了危險。至少，您需要清楚在輸入特征變化時保持不變的內容。其他特征是否設定為零（線性模型的好選擇）？我們是否將它們設定為測驗集中最常見的值？或者樣本中已知類的最常見值？如果沒有此資訊，垂直軸可能會不太有用。
知道激活是概率在 PDP 圖中似乎也沒有幫助——你不能指望它下面的面積總和為 1。您可能會發現最有用的東西是錯誤情況，即輸出概率不在 0..1 范圍內。
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/482348.html
上一篇：PyTorch：為什么運行output=model(images)使用這么多GPU記憶體？
下一篇：Keras代理培訓需要太多時間