利用黑箱模型评估无条件分布中的特征重要性
机器学习
2024-12-10 v1 机器学习
统计计算
统计方法学
摘要
理解解释性特征的变化如何影响结果无条件分布在许多应用中至关重要。然而，现有的黑箱预测模型不太适合分析此类问题。在本工作中，我们发展了一种近似方法，用于计算与结果无条件分布相关的特征重要性曲线，同时利用预训练的黑箱预测模型的强大功能。特征重要性曲线衡量给定解释性特征外部冲击下，结果分布在不同分位数上的变化。通过大量数值实验和实际数据示例，我们展示我们的近似方法产生稀疏且忠实的结果，并且计算效率高。
引用
@article{arxiv.2412.05759,
title = {Leveraging Black-box Models to Assess Feature Importance in Unconditional Distribution},
author = {Jing Zhou and Chunlin Li},
journal= {arXiv preprint arXiv:2412.05759},
year = {2024}
}