跳到主要内容

部分依赖图使用文档

组件名称部分依赖图
工具集机器学习/算法设计/机器学习/评估/部分依赖图
组件作者雪浪云-燕青
文档版本1.0
功能部分依赖图
镜像名称ml_components:3
开发语言Python

组件原理​

部分依赖图（短 PDP 或 PD 图）显示了一个或两个特征对机器学习模型的预测结果的边际效应。 部分依赖图可以显示目标和特征之间的关系是线性的、单调的还是更复杂的。 例如，当应用于线性回归模型时，部分依赖图始终显示线性关系。

通常，集合 S 中只有一两个特征。 S 中的特征是我们想知道对预测的影响的特征。 特征向量xS 和XC组合起来构成总的特征空间x。 部分依赖通过在集合 C 中的特征分布上边缘化机器学习模型输出来工作，以便该函数显示我们感兴趣的集合 S 中的特征与预测结果之间的关系。 通过边缘化其他特征，我们得到一个仅依赖于 S 中的特征的函数，包括与其他特征的交互。

输入桩​

支持csv文件输入。

输入端子1​

  • 端口名称：输入数据
  • 输入类型：Csv文件
  • 功能描述：输入预测后的数据

输入端子2​

  • 端口名称：输入模型
  • 输入类型：sklearn文件
  • 功能描述：输入预测后的模型

输出桩​

支持image文件输出。

输出端子1​

  • 端口名称：部分依赖图
  • 输出类型：image文件
  • 功能描述：输出图像

参数配置​

Response Method​

  • 功能描述：相应方法，有以下方法可以选择：auto、predict_proba、decision_function
  • 必选参数：是
  • 默认值：auto

最大列数​

  • 功能描述：最大列数
  • 必选参数：是
  • 默认值：3

网格分辨率​

  • 功能描述：网格分辨率
  • 必选参数：是
  • 默认值：100

百分位下限​

  • 功能描述：百分位下限
  • 必选参数：是
  • 默认值：0.05

百分位上限​

  • 功能描述：百分位上限
  • 必选参数：是
  • 默认值：0.95

部份依赖计算方法​

  • 功能描述：部份依赖计算方法，有以下方法可以选择：auto、brute、recursion
  • 必选参数：是
  • 默认值：auto

并行任务数​

  • 功能描述：并行任务数
  • 必选参数：否
  • 默认值：（无）

特征字段​

  • 功能描述：特征字段
  • 必选参数：是
  • 默认值：（无）

使用方法​

  • 将组件拖入到项目中
  • 与前一个组件输出的端口连接（必须是csv类型）
  • 点击运行该节点

测试用例​

  • 模板

  • 右面板配置

  • 查看结果