Глоссарий ИИ
Полный словарь искусственного интеллекта
Важность, основанная на нечистоте
Категория методов оценки важности переменных, основанная на их способности уменьшать нечистоту узлов при разделении в деревьях решений, включая Джини и энтропию.
Важность Out-of-Bag (OOB)
Метод оценки, использующий невключенные выборки (out-of-bag) при бэггинге для оценки важности переменных без необходимости в отдельном наборе для валидации.
Важность по приросту (Gain)
Мера важности, специфичная для деревьев решений, вычисляющая общее снижение нечистоты, обеспечиваемое каждым признаком при его использовании для разделения во всех деревьях.
Важность по разделениям (Split)
Метрика, оценивающая важность переменных путем подсчета количества раз, которое признак используется для разделения узлов в наборе деревьев, взвешенного по глубине разделения.
Важность по покрытию (Coverage)
Метод оценки важности, основанный на доле выборок, на которые влияют разделения с использованием определенного признака, измеряя тем самым его влияние на покрытие модели.
Локальная важность признаков
Мера важности переменных для отдельного предсказания, объясняющая, как каждый признак вносит конкретный вклад в определенный вывод модели.
Treeinterpreter
Библиотека Python, позволяющая разложить предсказания деревьев решений и случайных лесов на вклады каждого признака, обеспечивая интерпретируемость на уровне экземпляров.
ELI5
Библиотека Python (Explain Like I'm 5), предоставляющая инструменты для инспекции и отладки моделей машинного обучения, включая вычисление важности переменных путем перестановки.