permutation importance

  统计/机器学习 监督式学习 Python    浏览次数:132        分享
0

permutation importance 原理是每次打乱一个特征看模型预测能力下降多少来判断特征重要性,那是否可以每次打乱两个特征,以此得到哪两个特征对模型预测是最重要的?


 

123zyr   2020-05-26 19:24



   1个回答 
0

我觉得是可以的。

唯一的问题就是可能会有点慢,如果一共有500个特征,你需要跑500*499/2=124750次。

SofaSofa数据科学社区DS面试题库 DS面经

kym1990   2020-05-27 00:03



  相关主题

python里如何实现线性判别分析(LDA)?   1回答

如何生成一个二元分类的数据集?   1回答

K近邻算法(kNN)如何实现并行计算?   2回答

FM算法(因子分解机)有专门的算法框架吗?   1回答

kNN的k=1为什么训练误差为0?   4回答

关于方差和偏差和噪声   1回答

欠采样后概率还原问题   2回答

为什么LR要用Sigmoid函数?   7回答

为什么说knn是惰性算法   1回答

knn推导过程中的一个细节   3回答

k-NN的k取1会怎么样   4回答

有序多分类问题   2回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!