Как работает инструмент Оценка влияния переменной для прогнозирования
Инструмент Оценка влияния переменной для прогнозирования оценивает влияние независимых переменных на прогнозируемые значения в файлах моделей пространственной статистики (.ssm), созданных инструментом Классификация и регрессия на основе леса и бустинга. Необходимо предоставить входные объекты, содержащие те же независимые переменные, что использовались для обучения файла входной модели, а также соответствующие поля независимых переменных, объекты расстояния и независимые растры. Инструмент создаст выходную таблицу, содержащую диаграммы и значения, показывающие, какие переменные повлияли на прогнозируемые значения и какую форму имеет эта зависимость.
Традиционные регрессионные модели, такие как метод наименьших квадратов (МНК) или логистическая регрессия, описывают влияние переменных с помощью коэффициентов. Например, коэффициенты МНК показывают, насколько увеличиваются или уменьшаются прогнозируемые значения при увеличении конкретной независимой переменной, а коэффициенты логистической регрессии показывают, как изменяется отношение шансов при прогнозировании категорий. Однако модели машинного обучения обычно нелинейны и не имеют простых коэффициентов, объясняющих, как изменяются прогнозируемые значения при различных значениях независимых переменных. Распространённый подход к визуализации влияния каждой независимой переменной на прогнозируемые значения – использование графиков частичной зависимости.
Графики частичной зависимости
Графики частичной зависимости показывают, как в среднем изменяются прогнозируемые значения при различных значениях каждой независимой переменной, если значения всех остальных независимых переменных остаются фиксированными. Например, в МНК графики частичной зависимости представляет собой прямую линию с наклоном, равным коэффициенту. Однако для моделей машинного обучения зависимости нелинейны, поэтому прогнозируемые значения могут увеличиваться в одних диапазонах независимой переменной, уменьшаться в других или образовывать более сложные кривые.
Например, приведённый ниже график показывает, как зависимая переменная реагирует на различные значения независимой переменной. Большие и малые значения независимой переменной в среднем приводят к более высоким прогнозируемым значениям, тогда как средние значения приводят к более низким прогнозируемым значениям.
Примечание:
График частичной зависимости для независимой переменной строится путем выполнения прогнозирования с различными значениями этой независимой переменной при сохранении исходных значений всех остальных независимых переменных. Для каждого проверяемого значения прогнозируемые значения рассчитываются для каждого входного объекта, а затем усредняются. Затем средние значения отображаются на графике в зависимости от проверяемых значений независимой переменной.
Непрерывные независимые переменные
Диаграмма Частичная зависимость непрерывных переменных отображает графики частичной зависимости для каждой непрерывной независимой переменной. По оси X показаны значения независимой переменной, а по оси Y — средние прогнозируемые значения.
Каждая непрерывная независимая переменная отображается в виде сетки слева. Щелкните любую переменную, чтобы показать соответствующий график справа. Все графики в сетке используют одинаковый масштаб оси Y, чтобы было проще сравнивать их влияние.
Категорийные независимые переменные
Диаграмма Частичная зависимость категорийных переменных отображает графики частичной зависимости для каждой категорийной независимой переменной. По оси X отображаются категории категорийной переменной, а по оси Y — средние прогнозируемые значения.
Например, на следующем изображении показаны графики частичной зависимости для двух категорийных независимых переменных: color (цвет) и type (тип). Для переменной color значение blue дает более низкие прогнозируемые значения, red — более высокие, а green — немного более высокие значения. Аналогично, тип C приводит к более низким прогнозируемым значениям, а типы A и D — к более высоким прогнозируемым значениям.
Категорийные зависимые переменные
Когда зависимая переменная категорийная (модель классификации), графики частичной зависимости показывают, как каждая переменная влияет на вероятность отнесения к каждой категории. По умолчанию ось Y каждой диаграммы показывает среднюю вероятность того, что объект будет отнесен к первой категории, но вы можете изменить отображаемую категорию на панели Свойства диаграммы. Во вкладке Данные нажмите кнопку Выбрать в разделе Числовые поля и выберите категорию для отображения. Для корректного отображения графика частичной зависимости включайте только одну категорию за раз.
Рекомендации по использованию и ограничения
Ниже приведены рекомендации по использованию и ограничения для этого инструмента:
- Графики частичной зависимости предполагают, что каждая независимая переменная является независимой. Графики частичной зависимости показывают влияние каждой независимой переменной по отдельности, однако если несколько переменных коррелируют и содержат общую информацию, графики не могут разделить их индивидуальное влияние. Это аналогично мультиколлинеарности в традиционной регрессии.