使用tensorflow理解GBDT的可解釋性

前一篇《boosted trees》完整訓練了一個Boosted分類樹，這篇文章主要是在上篇的基礎上講解如下三個內容：html 理解各個特徵對單個樣本預測結果的貢獻 各個特徵對模型的重要性 從直覺上了解Boosted Tree 是怎麼fit數據的 文章目錄 模型的可解釋性 構建模型 加載數據 建立特徵 輸入 模型訓練 local interpretability 可視化單個樣本的DFCs 優化可視

>>阅读原文<<