Как найти переменные, которые в наибольшей степени способствуют конкретному прогнозу в случае дерева решений? Напр. Если есть функции A, B, C, D, E и мы строим дерево решений поверх набора данных. Тогда для образца x, скажем, переменные C, D в наибольшей степени способствуют предсказанию (x). Как найти эти переменные, которые в наибольшей степени способствовали предсказанию (x) в H2O? Я знаю, что H2O дает глобальную значимость переменных после построения дерева решений. Мой вопрос применяется в случае, когда мы используем это конкретное дерево для принятия решения и нахождения переменных, которые способствовали этому конкретному решению. Изучение Scikit имеет функции для извлечения правил, которые использовались для прогнозирования выборки. Существует ли у H2O такая функциональность?Поиск переменных, которые в наибольшей степени способствуют предсказанию дерева решений в H2o
0
A
ответ
0
В H2O нет поддержки для этого в настоящее время (по состоянию на февраль 2017, h2o 3.10.3.x); Эрин открыла для него JIRA: https://0xdata.atlassian.net/browse/PUBDEV-4007
Это будет зависеть от того, что вы подразумеваете под «вкладом». У вас есть приложение в виду или вы просто изучаете свойства деревьев решений? – giusti
Этот вопрос специфичен для H2O. Под моим вкладом я имею в виду, какие функции оказали наибольшее влияние на принятие конкретного решения. – jithinjustin