Random Forest Classifier: Merkmal Wichtigkeit der Vorhersage Wahrscheinlichkeit

Question

Ich verwende Sklearn RFC.

forest.fit(training_data, y_train) 
probas_test = forest.predict_proba(test_data) 

I gibt es eine Möglichkeit wissen, wollte den Beitrag/Bedeutung der einzelnen Funktionen zu finden, die zu der Vorhersage führen.

etwas wie, aber für eine individuelle Datenpunkt-Ebene.

forest.feature_importances_ 

Answer 1

Dies kann auf viele Arten gelöst werden; Überprüfen Sie http://blog.datadive.net/interpreting-random-forests/ (und ein Python-Paket dafür: https://github.com/andosa/treeinterpreter). Es gibt auch weniger direkte Optionen, z.B.

• https://arxiv.org/abs/1606.05390 (Umsetzung: https://github.com/sato9hara/defragTrees)
• https://arxiv.org/abs/1611.05722 (Umsetzung: https://github.com/IBCNServices/GENESIM)