Понимание ценностей PDP, ICE и ALE: интерпретация отрицательно центрированных значений ⇐ Python

[Anonymous]

У меня возникли проблемы с пониманием концепций графиков частичной зависимости (PDP), индивидуального условного ожидания (ICE) и накопленных локальных эффектов (ALE). . В частности, я не понимаю, что означает, когда центрированное значение PDP или центрированное значение ALE является отрицательным. Почему мы сравниваем эти значения с средним эффектом функции? Может ли кто-нибудь помочь мне интерпретировать следующий пример?

• Что это означает, когда центрированное значение PDP или центрированное значение ALE имеет отрицательное значение? Почему его сравнивают со средним эффектом функции?

Я пытался понять математические определения графиков частичной зависимости (PDP) и Индивидуальное условное ожидание (ICE). Насколько я понял, для PDP и ICE мы фиксируем одно значение с определенным значением, сохраняя при этом исходные значения других функций из набора данных. Для PDP мы затем берем среднее значение отдельных прогнозов, чтобы получить глобальное значение. Однако мне сложно интерпретировать кривую, когда она центрирована. В частности, когда мы вычитаем средний эффект значений PDP, кривая начинается с 0. Но как мы интерпретируем это, когда кривая опускается ниже нуля, особенно в контексте задачи классификации ?
Например, если центрированная кривая PDP для признака опускается ниже нуля, означает ли это, что признак оказывает негативное влияние на прогнозируемую вероятность целевого класса? Как это связано с базовым уровнем (средним эффектом) и что это означает для прогнозов модели?
Может ли кто-нибудь разъяснить, как интерпретировать центрированные кривые PDP и ICE, особенно в сценариях классификации? Кроме того, чем эта интерпретация отличается от задач регрессии?

Подробнее здесь: https://stackoverflow.com/questions/793 ... tered-valu