使用tensorflow理解GBDT的可解释性

时间 2021-01-02

标签 GBDT tensorflow 繁體版

原文原文链接

前一篇《boosted trees》完整训练了一个Boosted分类树，这篇文章主要是在上篇的基础上讲解以下三个内容：理解各个特征对单个样本预测结果的贡献各个特征对模型的重要性从直觉上了解Boosted Tree 是怎么fit数据的文章目录模型的可解释性构建模型加载数据创建特征输入模型训练 local interpretability 可视化单个样本的DFCs 优化可视化单个

>>阅读原文<<

1. 使用tensorflow理解GBDT的可解释性
2. GBDT的理解
3. GBDT 原理推导+sklearn参数解释
4. GBDT原理理解
5. 模型可解释性
6. GBDT原理详解
7. 深入理解GBDT
8. GBDT相关理解
9. 模型的可解释性初识
10. 可解释性与deep learning的发展
更多相关文章...
• SQLite Explain（解释） - SQLite教程
• PHP 可用的函数 - PHP参考手册
• JDK13 GA发布：5大特性解读
• Git可视化极简易教程 — Git GUI使用方法