MLPClassifier的可解释性

时间:2019-03-05 10:53:40

标签: python machine-learning scikit-learn classification

我对机器学习算法的可解释性有疑问。

我有一个像这样的数据集: tabular data set

我已经训练了一个分类模型(Scikit-Learn的MLPClassifier),并且想知道哪些功能对决策的影响最大(权重最高)。

我的最终目标是找到不同的解决方案(功能组合),这些解决方案被归为1的可能性很高(> 90%)。

有人知道获得这些解决方案的方法吗?

谢谢!

1 个答案:

答案 0 :(得分:0)

要获得分类任务中的特征重要性,分类方法必须是随机森林或决策树,两者均在sklearn中实现


fetch("https://get.geojs.io/v1/ip/country.json?ip=8.8.8.8")
  .then(function(data) {
    return data.json();
  })
  .then(function(response) {
    console.log(JSON.stringify(response));
  })

功能重要性将告诉您每个功能的权重,如果对MLP分类器进行了正确的训练,它将为网络中的各种功能赋予几乎相似的重要性,