特征重要性是影响预测结果的关键特征。置换重要性是一种常用方法,通过随机打乱验证数据中的某一特征列,观察预测准确度的变化来评估特征的重要性。准确度下降越多,表明该特征越重要。该方法可通过多次打乱计算平均值,以减少随机性影响。
CLASSify是一种自动化工具,用于简化机器学习分类问题的训练模型和生成结果的过程,并提供信息丰富的可视化和对数据的洞察。该工具支持二元和多类分类问题,并提供多种模型和方法。它还支持特征评估,并生成解释性分数以指示哪些特征最影响输出结果。该工具旨在简化解决分类问题的用户体验,无需机器学习知识。
完成下面两步后,将自动完成登录并继续当前操作。