machine-learning - 您将如何解释集成树模型？

Question

在机器学习中，随机森林等集成树模型很常见。该模型由一组所谓的决策树模型组成。然而，我们如何分析这些模型具体学到了什么？

Answer 1

从这个意义上说，您不能仅绘制简单的决策树。只有极其简单的模型才能轻松研究。更复杂的方法需要更复杂的工具，这些工具只是近似值，是关于寻找什么的一般想法。因此，对于集成，您可以尝试查看对单个模型属性的一些期望。例如，您可以查找一些特征重要性度量，它向您显示哪些特征用于在相同程度上进行预测。你不会得到一个简单的 if/else 结构，这根本是不可能的，而是一些模糊的想法。对于 RF，您可以取出特征重要性，这或多或少是预期样本的一部分，这些样本实际上“击中”了考虑特定特征的决策节点。