sklearn：如何找出哪些特征对预测标签负责？

Question

我正在使用 Python的sklearn 进行文本分类。使用的分类器是 MultinomialNB ，我用新闻纸文章提供体育，经济等类。

在训练模型之后，我使用了predict和predict_proba函数来测试我的模型以及一些选定的文本。但有时候确实会出现令人惊讶的结果，我想找出为什么，特别是我想知道哪些特征对结果有影响以及影响预测有多大影响。有没有办法做到这一点？

Answer 1

我们最近发布了一个允许检查功能的包（https://github.com/TeamHG-Memex/eli5）;它支持许多scikit-learn分类器，但不支持MultinomialNB（虽然这是在计划中）。如果您对使用其他分类器感到满意，请检查tutorial。

如果您想要MultinomialNB，那么您可以等到它被支持，帮助，或使用像LIME这样的通用解释方法。 eli5有一个实验性的LIME implementation; LIME作者还提供了一个受欢迎的软件包：https://github.com/marcotcr/lime。

很抱歉，这不是一个真正的答案，因为正确的答案是检查MultinomialNB系数并将它们映射回特征;虽然scikit-learn 0.18 MultinomialNB虽然存在一些问题（https://github.com/scikit-learn/scikit-learn/issues/2237），但应该小心谨慎（并为eli5：D做出贡献）。

Answer 2

我相信这是一个老问题。但是LIME现在支持sklearn，您也可以使用Shapely解释任何模型

Link to the python notebook on LIME's github repo

Link to the SHAP library。 <<<-非常酷的一个。可与许多框架一起使用，并且被认为非常健壮！