Equivalente de contribución de columna para XGBoostHola @russ_wolfinger ,
Tengo una pregunta con respecto a la interpretación de la información contenida en la parte Actual por Predicted plots del informe XGBoost. Dentro de ella, hay una subtabla de "Importancias" que contiene las estadísticas de Ganancia y Cobertura para el modelo de interés.
Lo que me interesa es comprender mejor cuál de estos corresponde a la información de contribuciones de columna que se proporciona en plataformas como el árbol impulsado y el bosque de arranque. Para mí, parece que la estadística Cover es el mejor análogo a las contribuciones de la columna, pero tal vez me equivoque.
Como ejemplo, a continuación se muestra un resultado que tengo para un modelo que ejecuté. La columna de divisiones es clara, y la ganancia también se explica bien en el PDF de ayuda, pero la columna de portada, parece que si se escala correctamente, sería el equivalente a las contribuciones de la columna. Hice una columna llamada Contribución? esa es la cobertura dividida por la Col Sum (Cobertura). ¿Estoy interpretando los resultados correctamente?
¡Gracias!,
DS
Re: contribución de columna equivalente para XGBoostHola @russ_wolfinger ,
Gracias por los comentarios, ciertamente revisaré los datos de esa manera y compararé los diferentes resultados. Una comparación directa puede no ser tan trivial, pero parece que todavía está relacionada conceptualmente de alguna manera, y solo necesito encontrar la mejor manera de evaluar eso dada mi situación específica.
¡Gracias!,
DS
Re: contribución de columna equivalente para XGBoostHola @DS ,
La estadística de cobertura está más relacionada con el número de observaciones que fluyen hacia los nodos creados al dividir la variable. Sugiera buscar en la web "xgboost cover" para ver varias explicaciones informativas en línea.
Creo que Column Contributions de otras plataformas está más directamente relacionado con sumas de cuadrados y puede que no haya una transformación fácil en la salida de XGBoost. En cualquier caso, la estandarización de la cobertura como lo ha hecho parece razonable.
Lo que normalmente hago es hacer clic con el botón derecho del ratón> Guardar como tabla de datos, transformar las tres estadísticas en registro, asignar el nombre de la variable como una etiqueta y luego hacer multivariantes para trazarlas entre sí.
