预测理解¶

设置¶

In [ ]:

pip install ydf -U

pip install ydf -U

In [1]:

import ydf
import pandas as pd

import ydf import pandas as pd

什么是预测理解？¶

预测理解的目标是理解模型的单个预测。

本笔记本展示了多种技术，用于解释在成人数据集上训练的模型的个体预测。

收集数据集和训练模型¶

In [2]:

ds_path = "https://raw.githubusercontent.com/google/yggdrasil-decision-forests/main/yggdrasil_decision_forests/test_data/dataset"
train_ds = pd.read_csv(f"{ds_path}/adult_train.csv")
test_ds = pd.read_csv(f"{ds_path}/adult_test.csv")

# 打印前5个训练样本
train_ds.head(5)

# 训练一个模型
model = ydf.RandomForestLearner(label="income").train(train_ds)

ds_path = "https://raw.githubusercontent.com/google/yggdrasil-decision-forests/main/yggdrasil_decision_forests/test_data/dataset" train_ds = pd.read_csv(f"{ds_path}/adult_train.csv") test_ds = pd.read_csv(f"{ds_path}/adult_test.csv") # 打印前5个训练样本 train_ds.head(5) # 训练一个模型 model = ydf.RandomForestLearner(label="income").train(train_ds)

Train model on 22792 examples
Model trained in 0:00:01.194396

预测分析¶

与模型分析 (model.analyze) 不同，模型分析检查整个模型，而预测分析 (model.analyze_prediction) 解释模型的单个预测。下一个示例解释了模型对第一个测试实例的预测。

In [3]:

model.analyze_prediction(test_ds.iloc[:1])

model.analyze_prediction(test_ds.iloc[:1])

Out[3]:

Feature Variation

反事实示例¶

反事实示例是与模型的预测最相似的训练示例。反事实示例可以通过检查它们特征之间的相似性和差异来解释模型的预测。

有关更多信息，请参阅独立的 反事实笔记本。