我是H2o flow的新用户。没有太多的编码器，所以我喜欢点击界面。我想知道在建立模型并将其用于对数据集进行评分之后，是否有任何方式可以生成输出，从而告诉我每条记录，即评分是正确的原因。
作为示例，我创建了一个模型，该模型使用流程中的autoML功能来预测再次入院的风险。
它实际上确实工作得很好，但是当我使用它时，我会将高排名的患者发送给临床人员，他们想知道“为什么这个人获得高排名”。
是否有任何方法可以显示模型中的哪些变量导致对每个人的预测，作为我可以导出到数据库以供报表工具使用的输出？
谢谢！
答案 0 :(得分：0)
您的问题与机器学习可解释性技术有关。在H2O-3中，有两个可用选项：variable importance plot（可告诉您哪些功能对模型决策产生最大影响）和Partial Dependence Plots，可让您了解各个功能（也称为列或变量）会影响模型的平均预测。
有关可用的机器学习可解释性技术的概述，我建议您看一下H2O.ai的MLI booklet（尽管请注意，这些技术大部分仅在不同的产品中提供-因此如果您想使用它们，则必须自己编写技术代码）。