基于新特征重要性定义的改进模型选择方法
机器学习
2020-09-17 v1 机器学习
摘要
特征重要性旨在衡量每个输入特征对模型预测的关键程度，广泛用于特征工程、模型选择与可解释人工智能（XAI）。本文提出一种用于模型选择的树模型解释新方法。我们的新概念利用特征权重（以特征对预测的贡献度量）的变异系数来捕捉样本间重要性的离散程度。大量实验结果表明，在模型选择中，我们的新特征解释方法在时间和精度性能上均优于常规交叉验证方法。
引用
@article{arxiv.2009.07708,
title = {Better Model Selection with a new Definition of Feature Importance},
author = {Fan Fang and Carmine Ventre and Lingbo Li and Leslie Kanthan and Fan Wu and Michail Basios},
journal= {arXiv preprint arXiv:2009.07708},
year = {2020}
}