模型解释概述

文章预览

关注公众号，发送 R语言 或 python ，可获取资料 💡专注R语言在🩺生物医学中的使用 设为“ 星标 ”，精彩不错过 对于一般线性回归、逻辑回归、cox回归这种模型来说，它的预测结果很好解释，比如说对于线性回归来说，它的解释就是：自变量每增加一个单位，因变量变化多少倍。每个自变量都有系数，这个系数就可以说明该变量对于因变量的重要程度。 但是对于许多机器学习模型来说，它们的预测结果很难解释。比如对于支持向量机模型，你该怎么解释它的预测结果呢？你该怎么确定每个预测变量的重要性呢？如何量化它们呢？ 模型的可解释性在医学领域又是非常重要的。统计学家或者医生都喜欢OR值/HR值这种直观的解释，医学不喜欢“黑盒子”。其他领域亦是如此。 有两个领域最不喜欢不确定性，一个和钱有关（金融），另一个和命有关（ ………………………………