Я пытаюсь построить регрессионную модель LightGBM, в которой у меня есть около 15-20 входных функций и моя целевая переменная в диапазоне 20-40.
Я использовал SHAP пчелиный график, чтобы понять важность каждой функции (имена функций скрыты из-за конфиденциальности данных)
[img]https:// i.sstatic.net/MAUzxepB.png[/img]
Теперь пользователь хочет, чтобы я создал модель оптимизации на основе этой модели LightGBM, где в ожидаемом диапазоне Y-переменной будет введен, и модель вернет идеальный диапазон каждой входной переменной (X, 15–20 признаков) для достижения того же самого. Проблема скорее в том, что будет введена переменная Y, а взамен будет возвращен диапазон каждой переменной X.
Однако проблема здесь в том, что комбинация 15-20 функций требуется для достижения ожидаемого диапазона Y-переменной, поэтому рекомендация модели также должна позаботиться об этом.
Существует ли какая-либо библиотека scikit-learn, которую можно использовать для решения этой проблемы? Или как мне найти решение в этом случае?
Я ответил на множество подобных вопросов, но ни один из них не является именно тем, что я ищу.
Подробнее здесь: https://stackoverflow.com/questions/786 ... based-on-y
