研究人员开发了Local MDI+ (LMDI+)，一种用于量化树基模型中单个样本特征重要性的新方法。与现有的基于近似的方法不同，LMDI+利用了决策树和线性模型的内部结构。在十二个基准数据集上，LMDI+在使用选定特征时展示了10%的预测性能提升，并在特征重要性排名方面显示出更高的稳定性。该方法在识别反事实和发现住房数据集案例研究中的子群体方面也证明了有效性。 AI
影响 增强了广泛使用的树基模型的可解释性，有可能提高在高风险应用中的信任度和采用率。
排序理由 这是一篇详细介绍机器学习模型中新特征重要性方法的论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
