permutation importance 原理是每次打乱一个特征看模型预测能力下降多少来判断特征重要性,那是否可以每次打乱两个特征,以此得到哪两个特征对模型预测是最重要的?
您确定要删除本贴么?所有相关回复也会被一并删除并且无法恢复。
123zyr 2020-05-26 19:24
我觉得是可以的。
唯一的问题就是可能会有点慢,如果一共有500个特征,你需要跑500*499/2=124750次。
kym1990 2020-05-27 00:03
回答问题时需要注意什么?
我们谢绝在回答前讲“生动”的故事。 我们谢绝答非所问。 我们谢绝自己不会、硬要回答。我们谢绝“这么简单,自己想”、“书上有,自己找”这类回答;如果你认为对方提问方式或者内容不妥,可以直接忽略,不作解答,甚至投反对票。我们感激每一个用户在编写答案时的努力与付出!
相关讨论
LBP算法中解对应的条件数怎么计算?
SHAP可以解释二元分类模型吗?
使用uci的社区犯罪率做回归,怎么选择因变量呢
shap值为负是什么意思,可以删掉的意思吗
partial dependence是什么意思?
在分类问题中,有什么方法可以得到特征的重要性?
不同模型下的特征重要性是不同的吗?
分类问题 特征怎么选择
训练样本中每个维度是否独立对回归结果的影响
特征组合的重要性排序
随便看看
R里线性回归结果中最后的F-statistic什么意思?有什么用?
KNN中K值的选择
怎么在matplotlib.pyplot的plot上加上文字?
sota model是什么意思?
人工神经网络有哪些常用的激活函数?