shenwl的个人博客分享 http://blog.sciencenet.cn/u/shenwl

博文

Feature Importance

已有 7059 次阅读 2018-12-28 08:41 |系统分类:科研笔记

当我们训练完一个模型,得到理想的预测结果之后,或许我们还应该问问:哪个特征最为重要,它对模型有什么样的贡献?

Permutation Importance

Permutation的策略是考虑在模型训练完之后,将单个特征的数据值随机洗牌,破坏原有的对应关系后,再考察模型预测效果的变化情况。

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
data = pd.read_csv('...')
y = data['y']
feature_names = [i for i in data.columns if data[i].dtype in [np.int64]]
X = data[feature_names]
train_X, val_X, train_y, val_y = train_test_split(X, y, random_state=1)
my_model = RandomForestClassifier(random_state=0).fit(train_X, train_y)
# calculate and show importances with the eli5 library
import eli5
from eli5.sklearn import PermutationImportance
perm = PermutationImportance(my_model, random_state=1).fit(val_X, val_y)
eli5.show_weights(perm, feature_names = val_X.columns.tolist())

Partial Dependence Plots

有时候我们希望考察单个特征是如何影响模型预测结果的,这就用到部分依赖图。下面是一个画决策树的例子:

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.tree import DecisionTreeClassifier
data = pd.read_csv('...')
y = data['y']
feature_names = [i for i in data.columns if data[i].dtype in [np.int64]]
X = data[feature_names]
train_X, val_X, train_y, val_y = train_test_split(X, y, random_state=1)
tree_model = DecisionTreeClassifier(random_state=0, max_depth=5, min_samples_split=5).fit(train_X, train_y)
# draw the decision tree
from sklearn import tree
import graphviz
tree_graph = tree.export_graphviz(tree_model, out_file=None, feature_names=feature_names)
graphviz.Source(tree_graph)

另外pdpbox库也可以方便画出单个特征或特征对对模型的影响:

from matplotlib import pyplot as plt
from pdpbox import pdp, get_dataset, info_plots
# Create the data that we will plot
pdp_data = pdp.pdp_isolate(model=tree_model, dataset=val_X, model_features=feature_names, feature='A')
# plot it
# The y axis is interpreted as change in the prediction from what it would be predicted at the baseline or leftmost value.
pdp.pdp_plot(pdp_data, 'A')
plt.show()
# 2D partial dependence plots show interactions between features
features_to_plot = ['A', 'B']
inter = pdp.pdp_interact(model=tree_model, dataset=val_X, model_features=feature_names, features=features_to_plot)
pdp.pdp_interact_plot(pdp_interact_out=inter1 feature_names=features_to_plot, plot_type='contour')
plt.show()

SHAP Values

SHAP Values (an acronym from SHapley Additive exPlanations) 描述的是对于任意一个预测结果,其各个特征值的贡献情况:

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
data = pd.read_csv('...')
y = data['y']
feature_names = [i for i in data.columns if data[i].dtype in [np.int64]]
X = data[feature_names]
train_X, val_X, train_y, val_y = train_test_split(X, y, random_state=1)
my_model = RandomForestClassifier(random_state=0).fit(train_X, train_y)
# arbitrarily chose row 5
row_to_show = 5
data_for_prediction = val_X.iloc[row_to_show]  # use 1 row of data here. Could use multiple rows if desired
data_for_prediction_array = data_for_prediction.values.reshape(1, -1)
my_model.predict_proba(data_for_prediction_array)
import shap  # package used to calculate Shap values
# Create object that can calculate shap values
explainer = shap.TreeExplainer(my_model)
# Calculate Shap values
shap_values = explainer.shap_values(data_for_prediction)
shap.initjs()
shap.force_plot(explainer.expected_value[1], shap_values[1], data_for_prediction)
# SHAP has explainers for every type of model
# shap.DeepExplainer works with Deep Learning models
# shap.KernelExplainer works with all models
# use Kernel SHAP to explain test set predictions
k_explainer = shap.KernelExplainer(my_model.predict_proba, train_X)
k_shap_values = k_explainer.shap_values(data_for_prediction)
shap.force_plot(k_explainer.expected_value[1], k_shap_values[1], data_for_prediction)

Permutation importance的结果简单但不明了,缺少细节,SHAP可以提供更多地细节:

import shap  # package used to calculate Shap values
# Create object that can calculate shap values
explainer = shap.TreeExplainer(my_model)
# calculate shap values. This is what we will plot.
# Calculate shap_values for all of val_X rather than a single row, to have more data for plot.
shap_values = explainer.shap_values(val_X)
# Make plot. We call shap_values[1] here to get the SHAP values for the prediction of "True".
shap.summary_plot(shap_values[1], val_X)

同样地,SHAP对依赖图也能提供更多信息:

import shap  # package used to calculate Shap values
# Create object that can calculate shap values
explainer = shap.TreeExplainer(my_model)
# calculate shap values. This is what we will plot.
shap_values = explainer.shap_values(X)
# make plot. interaction_index is the one that may be interesting
shap.dependence_plot(shap_values[1], X, interaction_index="A")


原文链接https://wenlongshen.github.io/2018/11/15/Feature-Importance/



https://wap.sciencenet.cn/blog-543513-1153929.html

上一篇:生物信息分析流程(2) WDL入门
下一篇:Kaggle之路:Titanic
收藏 IP: 218.241.202.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-11 03:09

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部