feature_contribs和特征重要性之间的区别

时间:2019-02-07 12:49:23

标签: machine-learning xgboost

XGBoost API具有两个有关功能的数据点

  1. 功能重要性,可通过以下方式访问 xgb_bst.get_score(importance_type ='gain')

文档将这些解释为: 获取每个功能的功能重要性。重要性类型可以定义为: “增益”:使用该功能所有细分的平均增益。

  1. 功能性贡献,可由以下人员访问 feature_contribs = xgb_bst.predict(dtest,pred_contribs = True)

根据文档,输出将为大小矩阵(nsample,nfeats +1),每条记录均指示该预测的特征贡献(SHAP值)。所有特征贡献的总和等于预测的原始未变换边际值。

我的问题是

  1. 两者之间有什么相关性,因为从我看到的功能来看, 重要性(高收益)并不一定是头等大事 大多数个人数据的贡献者(正面),反之 是吗?
  2. 直觉上,我如何解释功能重要性与功能 有贡献吗?它们有何不同?

0 个答案:

没有答案