如何解釋監督ML算法（例如查找具有某些特徵範圍的子羣）

Question

對於某些ML情況，重要的是不僅要提供可靠的預測，還要解釋此預測。

如果我們談論醫療治療效率預測，醫生很好奇選擇一些會有好的或壞的反應的患者羣。例如：

例如：在以下情況下，患者會對治療A產生負面反應：1）高權重和黑頭髮; 2）既有老年人又曾經接受治療B的治療; 3）均爲低權重並且之前通過治療進行治療C

它看起來像分類內的聚類。

解決此任務的常用方法有哪些？

Answer 1

我會說，它看起來像「關於分類DATAS集羣」（1）或「關於集羣數據分類」（2）。

其中： （1）將是：「分別負面/正面反應的主要原因是什麼？」 即對您的數據進行分類，然後對每個課程運行聚類。 然後，例如，您的結果會像「很多消極患者聚集在一起，因爲他們有黑髮」。 （2）將是：「給予患者病情（高加權，老年人等）的治療結果（pos/neg）將會是什麼樣的...... 即按條件聚集你的數據，然後運行分類每個。 結果會像「黑頭髮的人擁有40％的負反應」

這取決於什麼對你很重要，你可以看到它有點像conditionnal概率