PartialDependence

算法描述链接： 偏依赖图

类 interpret.blackbox.PartialDependence(model, data, feature_names=None, feature_types=None, num_points=10, std_coef=1.0)

根据 Friedman 关于“贪婪函数逼近：梯度增强机”论文中定义的偏依赖图。

Friedman, Jerome H. “Greedy function approximation: a gradient boosting machine.” Annals of statistics (2001): 1189-1232.

初始化类。

参数:

• model – 模型或模型的预测函数（分类为 predict_proba，回归为 predict）

• data – 用于初始化 PartialDependence 的数据。

• feature_names – 特征名称列表。

• feature_types – 特征类型列表。

• num_points – x 轴的网格点数量。

• std_coef – 标准差的系数。

explain_global(name=None)

为黑盒模型提供近似的全局解释。

参数:

name – 用户定义的解释名称。

返回:

一个解释对象，可视化依赖图。