如何为预测添加一些全局和本地可解释性以了解客户流失的原因？
How to add some global and local explainability to a predictions to understand for which reasons a customer churns?
主要目标是理解：
- 客户流失的可能性有多大？
- 确定流失原因每个用户。
目前，我使用的是随机森林模型。我可以看到对所有用户来说最重要的功能。有没有办法让我获得每个用户的重要功能？例如，可能一位顾客因为不喜欢该产品而离开，而另一位顾客因为它是一种昂贵的产品而离开，等等。
提前致谢！
单个 SHAP 值可用于这种局部可解释性。 SHAP 值计算每个预测变量的贡献，并且可以全局应用，或应用于特定群体（即离开的客户）或个人客户。
主要目标是理解：
- 客户流失的可能性有多大？
- 确定流失原因每个用户。
目前，我使用的是随机森林模型。我可以看到对所有用户来说最重要的功能。有没有办法让我获得每个用户的重要功能？例如，可能一位顾客因为不喜欢该产品而离开，而另一位顾客因为它是一种昂贵的产品而离开，等等。
提前致谢！
单个 SHAP 值可用于这种局部可解释性。 SHAP 值计算每个预测变量的贡献，并且可以全局应用，或应用于特定群体（即离开的客户）或个人客户。