蒸馏黑盒出行方式选择模型以进行行为解释

机器学习在出行行为建模的预测方面已被证明非常成功。然而，大多数机器学习模型具有复杂的模型结构，对于它们如何得出这些预测几乎不提供或完全不提供解释。关于出行行为模型的解释对于决策者理解出行者偏好并据此规划政策干预至关重要。因此，本文提出应用并扩展模型蒸馏方法（一种与模型无关的机器学习解释方法），以解释黑盒出行方式选择模型如何为整体人群及关注子群体做出预测。模型蒸馏旨在将复杂模型（教师）中的知识压缩至可理解且可解释的模型（学生）中。具体而言，本文将模型蒸馏与市场细分相结合，通过考虑异质性来产生更多洞见。此外，本文对学生模型与基准模型（决策树）及教师模型（梯度提升树）进行了全面比较，以量化学生模型解释的真实度与准确性。