知识卡片
场景挖掘框架的三段式组合
内容
场景挖掘模型框架把[[体系化分析先预测后解释的两步法]]落地为三步：先用黑盒模型（如XGBoost）做高精度预测；再用决策树作为[[全局代理模型的解释逻辑]]，把树的叶结点提炼成多个特征交互出的业务”场景”；最后把这些场景当作新的哑变量特征，连同关注的主变量一起放进线性回归，得到每个场景和变量对结果的量化影响与显著性。这套组合让分析既保留了黑盒模型的高精度，又拿到了白盒模型的可解释输出。
参考来源
- 位置：《数据科学工程实践》第4章《使用体系化分析方法进行场景挖掘》"4.2.4 场景挖掘模型分析方法框架"一节（源文件：_epub-src/OEBPS/Text/part0023.xhtml）
- 结论依据：原文明确框架为"通过黑盒模型执行预测任务，然后采用树模型结合黑盒模型预测值进行一些场景的挖掘和抽取……用树模型产生的场景作为新的交互特征，与一些我们关注的主要影响变量组合成新的特征集，对因变量y建立线性模型"，最终"得到一个主要影响变量及主要业务场景对y影响效果的量化模型"。
- 原始内容：基于前面介绍的树模型、全局代理模型的相关知识，我们总结出一套场景挖掘模型框架：通过黑盒模型执行预测任务，然后采用树模型结合黑盒模型预测值进行一些场景的挖掘和抽取。另外，我们还可以有选择性地添加一些步骤，例如用树模型产生的场景作为新的交互特征，与一些我们关注的主要影响变量组合成新的特征集，对因变量y建立线性模型，这样，我们就可以得到一个主要影响变量及主要业务场景对y影响效果的量化模型。