基于Shapley值的分类预测模型变量筛选方法改进 |
| |
引用本文: | 聂茜,邓光明.基于Shapley值的分类预测模型变量筛选方法改进[J].统计与决策,2023(3):38-42. |
| |
作者姓名: | 聂茜 邓光明 |
| |
作者单位: | 1. 桂林理工大学理学院;2. 桂林理工大学应用统计研究所 |
| |
基金项目: | 国家自然科学基金资助项目(71963008); |
| |
摘 要: | 在分类预测模型的自变量间存在交互效应时,传统Shapley值法的可加性无法满足,造成变量筛选效果变差,导致分类模型的预测精度降低。针对此问题,文章提出使用稳健独立成分分析,从原始数据中估计出具有独立性的数据集并对其进行Shapley值分解,从而提高变量筛选的准确度。统计模拟与实证分析的结果表明,改进后的方法在变量筛选上的表现优于传统Shapley值法。
|
关 键 词: | 分类预测模型 变量筛选 Shapley值法 稳健独立成分分析 |
|