机器学习模型中的可视化变量重要性和变量交互效应
摘要：可变重要性、交互作用度量和偏依赖图是解释统计和机器学习模型中的重要摘要。本文描述了一种用于探索这些模型摘要的新可视化技术。我们构建了显示变量重要性和交互作用的热图和基于图的显示，这些显示经过精心设计以突出拟合的重要方面。我们描述了一种新的矩阵式布局，显示所有单变量和双变量的偏依赖图，还提供了一种基于图欧拉图的备选布局，重点关注关键子集。我们的新可视化技术与模型无关，适用于回归和分类有监督学习环境。它们增强了解释能力，即使在变量数量较多的情况下也能应用。我们的R包 vivid (variable importance and variable interaction displays) 提供了实现。
作者：Alan Inglis and Andrew Parnell and Catherine Hurley
论文ID：2108.04310
分类：Computation
分类简称：stat.CO
提交时间：2021-10-12