预测理解¶

设置¶

输入 [ ]

pip install ydf -U

pip install ydf -U

输入 [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。

本文档介绍了多种用于解释在 adult 数据集上训练的模型单个预测的技术。

收集数据集和训练模型¶

输入 [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")

# Print the first 5 training examples
train_ds.head(5)

# Train a model
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 个训练示例 train_ds.head(5) # 训练模型 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，模型分析检查模型的整体情况，而预测分析 (model.analyze_prediction) 解释模型的单个预测。下一个示例解释模型对第一个测试示例的预测。

输入 [3]

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

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

输出[3]

特征变化

反事实示例¶

反事实示例是根据模型与某个预测最相似的训练示例。通过检查它们特征之间的相似性和差异性，可以使用反事实示例来解释模型的预测。

更多信息请参阅独立的反事实文档。