找出 R H2O AutoML 模型中贡献最大的 variables/features?
Find out the most contributing variables/features of an R H2O AutoML model?
我目前正在使用一些保险数据来预测客户的保险金额 class。为了实现这一点,我在 R 中使用了 H2O 包的 AutoML 函数。现在我有了我的模型,我希望能够看到我的数据中哪个 variables/features 对模型做出的预测贡献最大. H2O 这样的事情可能吗?如果没有,用 R 实现这一目标的另一个好选择是什么?谢谢!
绝对有可能。如果 AutoML 选择的最佳拟合模型不是整体模型,那么您可以使用以下内容绘制变量重要性(其中模型是您从 AutoML 中提取的 model
),
library(h2o)
h2o.varimp_plot(model)
如果最合适的模型是一个整体,那么事情会稍微复杂一些。一个不错的选择是使用 lime 包来查看局部重要性。
library(h2o)
library(lime)
## Train explainer
explainer <- lime(train, model)
## Get explanations for a subset of samples
explanation <- explain(train[1:5, ], explainer, n_features = 10)
## Plot global explanations
plot_explanations(explanation)
## Plot local explanations
plot_features(explanation)
我目前正在使用一些保险数据来预测客户的保险金额 class。为了实现这一点,我在 R 中使用了 H2O 包的 AutoML 函数。现在我有了我的模型,我希望能够看到我的数据中哪个 variables/features 对模型做出的预测贡献最大. H2O 这样的事情可能吗?如果没有,用 R 实现这一目标的另一个好选择是什么?谢谢!
绝对有可能。如果 AutoML 选择的最佳拟合模型不是整体模型,那么您可以使用以下内容绘制变量重要性(其中模型是您从 AutoML 中提取的 model
),
library(h2o)
h2o.varimp_plot(model)
如果最合适的模型是一个整体,那么事情会稍微复杂一些。一个不错的选择是使用 lime 包来查看局部重要性。
library(h2o)
library(lime)
## Train explainer
explainer <- lime(train, model)
## Get explanations for a subset of samples
explanation <- explain(train[1:5, ], explainer, n_features = 10)
## Plot global explanations
plot_explanations(explanation)
## Plot local explanations
plot_features(explanation)