我使用 Google AutoML 创建了许多模型，我想确保正确解释输出数据。这适用于预测任何给定日期的网站转化率的线性回归模型。
首先，当模型完成训练时，模型会给出模型特征的重要性。这似乎告诉我哪个特征在预测目标值时最重要，但不一定对该值的较大变化贡献最大？
其次，我们有一堆局部特征权重，我认为它们可以告诉我每个特征对预测的贡献。所以说跳出率的特征权重为-0.002，我们可以说该行的跳出率将预测降低了 0.002？有没有正确的方法来聚合它，它只是范围吗？
我使用 Google AutoML 创建了许多模型，我想确保正确解释输出数据。这适用于预测任何给定日期的网站转化率的线性回归模型。
首先，当模型完成训练时，模型会给出模型特征的重要性。这似乎告诉我哪个特征在预测目标值时最重要，但不一定对该值的较大变化贡献最大？
其次，我们有一堆局部特征权重，我认为它们可以告诉我每个特征对预测的贡献。所以说跳出率的特征权重为-0.002，我们可以说该行的跳出率将预测降低了 0.002？有没有正确的方法来聚合它，它只是范围吗？