XGboost-由模型选择

我正在使用XGboost预测保险索赔的2类目标变量。我有一个在另一个数据集上运行的模型（交叉验证训练，超参数调整等...）。

我的问题是：

有没有办法知道为什么一个给定的要求会受到一个类别的影响，即解释模型选择的特征？

目的是能够向第三方人员证明机器所做的选择是合理的。

感谢您的回答。

我建议你去找夏普。它使用Shapley值（从博弈论中借用的概念）来描述模型行为，并由此可以解释单个预测。

它的图形界面使用“力图”，就像您在下面看到的那样。

红色条由引导预测为正值的功能构建，蓝色条由其他功能构建。

在您的情况下（一个分类器），粗体数字将是sigmoid函数之前的那个，它将限制输出值在零和一（一类或另一类）之间。因此，在某些情况下它会大于1或为负，请不要害怕。

细分的大小表示该要素对预测有多大作用，在细分下您会看到要素的名称（例如LSTAT）及其实际值（例如4.98）。因此，在这种情况下，LSTAT是使数据集元素的预测值达到24.41（粗体数字）的均值特征。

请享用！

您可以使用ELI5库来解释功能对XGBoost模型的各个预测的贡献。

请参阅文档中的解释预测，复制如下：

为了更好地了解分类器的工作原理，让我们使用以下方法检查各个预测eli5.show_prediction()：

from eli5 import show_prediction
show_prediction(clf, valid_xs[1], vec=vec, show_feature_values=True)

谢谢你的回答。

这个R包似乎可以做到：

https://medium.com/applied-data-science/new-r-package-the-xgboost-explainer-51dd7d1aa211