本教程是ML系列的一部分。 在此步驟中，您將學習如何創建和解釋部分依賴圖，這是從模型中提取洞察力的最有價值的方法之一。

What Are Partial Dependence Plots

?有人抱怨機器學習模型是黑盒子。這些人會爭辯說我們無法看到這些模型如何處理任何給定的數據集，因此我們既不能提取洞察力也不能確定模型的問題。

總的來說，提出這種說法的人不熟悉部分依賴圖。部分依賴圖顯示每個變量或預測變量如何影響模型的預測。這對于以下問題很有用：

????男女之間的工資差異有多少僅僅取決于性別，而不是教育背景或工作經歷的差異？

????控制房屋特征，經度和緯度對房價有何影響？為了重申這一點，我們想要了解在不同區域如何定價同樣大小的房屋，即使 實際上這些地區的房屋大小不同。

????由于飲食差異或其他因素，兩組之間是否存在健康差異？

如果您熟悉線性或邏輯回歸模型，則可以與這些模型中的系數類似地對部分依賴圖進行解釋。但是，部分依賴圖可以從數據中捕獲更復雜的模式，并且可以與任何模型一起使用。如果您不熟悉線性或邏輯回歸，請不要接受這種比較。

我們將在下面展示幾個示例，解釋它們的含義，然后討論代碼。

Interpreting Partial Dependence Plots

我們將從2個部分依賴圖開始，顯示Price和來自Melbourne Housing數據集的幾個變量之間的關系（根據我們的模型）。 我們將介紹如何創建和解釋這些圖。

【1】

import pandas as pd from sklearn.ensemble import GradientBoostingRegressor, GradientBoostingClassifier from sklearn.ensemble.partial_dependence import partial_dependence, plot_partial_dependence from sklearn.preprocessing import Imputercols_to_use = ['Distance', 'Landsize', 'BuildingArea']def get_some_data():data = pd.read_csv('../input/melbourne-housing-snapshot/melb_data.csv')y = data.PriceX = data[cols_to_use]my_imputer = Imputer()imputed_X = my_imputer.fit_transform(X)return imputed_X, yX, y = get_some_data() my_model = GradientBoostingRegressor() my_model.fit(X, y) my_plots = plot_partial_dependence(my_model, features=[0,2], X=X, feature_names=cols_to_use, grid_resolution=10)

?

左圖顯示了我們的目標，銷售價格和距離變量之間的部分依賴關系。此數據集中的距離測量墨爾本中央商務區的距離。

僅在模型擬合后才計算部分依賴圖。該模型適用于實際數據。在那些真實的數據中，城鎮不同地區的房屋可能有多種不同的方式（不同的年齡，大小等）。但是在模型擬合之后，我們可以從一個房屋的所有特征開始。比如，一間有2間臥室，2間浴室，10歲的房子等等。

然后我們使用該模型來預測該房屋的價格，但我們在進行預測之前更改距離變量。我們首先預測距離為4時房屋的價格。然后我們預測設定距離為5的價格。然后再次預測距離為6的價格。依此類推。當我們從小的距離值（在水平軸上）移動時，我們會追蹤預測價格如何變化（在垂直軸上）。

在本說明中，我們只使用了一個房子。但由于相互作用，單個房屋的部分依賴圖可能是非典型的。所以，我們用多個房子重復那個實驗，然后我們在垂直軸上繪制平均預測價格。你會看到一些負數。這并不意味著會以負價出售。相反，它意味著價格將低于該距離的實際平均價格。

在左圖中，我們看到房價下跌，因為我們進一步從中央商務分散注意力。雖然大約16公里外似乎有一個不錯的郊區，但房價高于許多更近的郊區。

右圖顯示了建筑面積的影響，其解釋類似。較大的建筑面積意味著更高的價格。

這些圖既可用于提取洞察力，也可用于檢查模型是否正在學習您認為合理的內容。

Code

我們不關注加載數據的代碼，相反關注繪圖的代碼：

【2】

def get_some_data():cols_to_use = ['Distance', 'Landsize', 'BuildingArea']data = pd.read_csv('../input/melbourne-housing-snapshot/melb_data.csv')y = data.PriceX = data[cols_to_use]my_imputer = Imputer()imputed_X = my_imputer.fit_transform(X)return imputed_X, y

【3】

from sklearn.ensemble.partial_dependence import partial_dependence, plot_partial_dependence# get_some_data is defined in hidden cell above. X, y = get_some_data() # scikit-learn originally implemented partial dependence plots only for Gradient Boosting models # this was due to an implementation detail, and a future release will support all model types. my_model = GradientBoostingRegressor() # fit the model as usual my_model.fit(X, y) # Here we make the plot my_plots = plot_partial_dependence(my_model, features=[0, 2], # column numbers of plots we want to showX=X, # raw predictors data.feature_names=['Distance', 'Landsize', 'BuildingArea'], # labels on graphsgrid_resolution=10) # number of values to plot on x axis

一些與plot_partial_dependence有關的提示：

????這些要素是您希望繪制的X數組或數據框中的列號。這開始看起來比2或3個變量更糟糕。您可以一次重復調用繪圖2或3。

????可以選擇確定水平軸上的哪些點。最簡單的是grid_resolution，我們用它來確定繪制了多少個不同的點。隨著該值的增加，這些圖形看起來呈鋸齒狀，因為您將在模型中拾取大量隨機性或噪聲。最好不要在字面上采用小的或鋸齒狀的波動。 grid_resolution的較小值使這一點平滑。對于具有多行的數據集來說，這也是一個問題。

????有一個叫做partial_dependence的函數來獲取構成這個圖的原始數據，而不是制作視覺圖。如果您想使用Seaborn等繪圖包控制它的可視化方式，這非常有用。通過適度的努力，您可以制作更好看的圖。

Another Examples

以下是泰坦尼克號數據中非常簡單的模型的部分圖。

[4]

titanic_data = pd.read_csv('../input/titanic/train.csv') titanic_y = titanic_data.Survived clf = GradientBoostingClassifier() titanic_X_colns = ['PassengerId','Age', 'Fare',] titanic_X = titanic_data[titanic_X_colns] my_imputer = Imputer() imputed_titanic_X = my_imputer.fit_transform(titanic_X)clf.fit(imputed_titanic_X, titanic_y) titanic_plots = plot_partial_dependence(clf, features=[1,2], X=imputed_titanic_X, feature_names=titanic_X_colns, grid_resolution=8)

?

?

乍一看，這些看起來可能令人驚訝。 但他們展示了一些有趣的見解：

???? 年輕人生存幾率大。 這與歷史敘述一致，他們首先讓女性和兒童脫離了泰坦尼克號。

???? 支付更多的人有更好的生存幾率。 事實證明，更高的票價讓你有一個更接近船頂的小屋，并且可能給你更好的獲得救生艇的幾率。

Conclusion

部分依賴圖是從復雜模型中提取洞察力的好方法（盡管不是唯一的方法）。這些可以非常強大，可以將這些見解傳達給同事或非技術用戶。

當這些圖來自非實驗數據時，對于如何解釋這些圖有各種各樣的觀點。有些人聲稱，除非來自實驗，否則你不能對數據的因果關系做任何結論。其他人對從非實驗數據（也稱為觀察數據）可以學到的東西更加積極。這是數據科學領域的一個分歧主題，超出了本教程的范圍。

但大多數人都同意這些對于理解您的模型很有用。此外，鑒于大多數真實世界數據源的混亂，您的模型捕獲真實模式也是一個很好的理智檢查。

partial_dependence_plot函數是獲取這些圖的簡單方法，盡管結果在視覺上并不美觀。 partial_dependence函數為您提供原始數據，以防您想要制作演示質量圖表。

Your?Turn

在項目中選擇三個預測變量。 制定關于部分依賴圖將是什么樣的。 創建繪圖，并根據您的假設檢查結果。

總結

以上是生活随笔為你收集整理的10.Partial Dependence Plots的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。