傳統機器學習模型要怎麼來判斷每一個特徵究竟是怎麼來預測的？

前面一篇文章推出了：圖像分類算法，要怎麼解釋究竟是由於什麼才判斷爲A類比、B類比？這種是針對圖像模型來進行模型細節分析。與圖像相對的還有更加常見的文本數據訓練出來的模型，好比推薦模型、搜索模型、風控模型等，這些數據學習出來的模型要怎麼來判斷到底哪一個特徵對某個分類最起做用？算法 1：auc/acc/信息增益等（其中信息增益僅僅適用於決策樹模型、邏輯迴歸模型、ftrl） 拿auc來舉例吧，往大範圍了

>>阅读原文<<