Объяснение моделей обучения без учителя

Объяснимый ИИ на Python

Fouad Trad

Machine Learning Engineer

Кластеризация

Группировка похожих точек данных без заранее заданных меток

Изображение данных с 2 признаками, разделённых на 3 кластера, каждый с центроидом.

Силуэтный коэффициент

Оценивает качество кластеризации
Диапазон: от -1 до 1
- 1 → хорошо разделённые кластеры

Изображение хорошо разделённых кластеров.

Силуэтный коэффициент

Оценивает качество кластеризации
Диапазон: от -1 до 1
- 1 → хорошо разделённые кластеры
- -1 → точки отнесены к кластерам неверно

Изображение кластеров без чёткого разделения.

Влияние признаков на качество кластеров

Изображение результата кластеризации набора данных с 2 признаками, поданных на вход алгоритму кластеризации.

Влияние признаков на качество кластеров

Изображение результата кластеризации после удаления одного признака и переобучения модели.

Влияние признаков на качество кластеров

Изображение формулы для вычисления влияния удалённого признака как разности силуэтных коэффициентов при наличии обоих признаков и при удалённом признаке.

$\text{Impact(}f) > 0$ → положительный вклад признака $f$
$\text{Impact(}f) < 0$ → $f$ вносит шум

Набор данных успеваемости студентов

age	health status	absences	G1	G2	G3
18	3	4	0	11	11
17	3	2	9	11	11
15	3	6	12	13	12
15	5	0	14	14	14
16	5	0	11	13	13

X: массив с признаками

Вычисление влияния признаков на качество кластеров

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score


kmeans = KMeans(n_clusters=2).fit(X)

original_score = silhouette_score(X, kmeans.labels_)


for i in range(X.shape[1]):

    X_reduced = np.delete(X, i, axis=1)

    kmeans.fit(X_reduced)

    new_score = silhouette_score(X_reduced, kmeans.labels_)

    impact = original_score - new_score
    print(f'Feature {column_names[i]}: Impact = {impact}')

Вычисление влияния признаков на качество кластеров

Feature age: Impact = 0.05199181662741281
Feature health status: Impact = 0.06046737420227638
Feature absences: Impact = 0.031290940582026694
Feature G1: Impact = -0.025746421940652353
Feature G2: Impact = -0.02578292339364119
Feature G3: Impact = -0.03163419458330158

Скорректированный индекс Рэнда (ARI)

Оценивает степень совпадения разбиений на кластеры

Изображение двух схожих разбиений на кластеры для одного набора данных.

Максимальный ARI = 1 → идеальное совпадение кластеров

Скорректированный индекс Рэнда (ARI)

Оценивает степень совпадения разбиений на кластеры

Изображение двух различных разбиений на кластеры для одного набора данных.

Максимальный ARI = 1 → идеальное совпадение кластеров
Низкий ARI → большее различие между разбиениями

Важность признаков для разбиения на кластеры

Удаляйте признаки по одному
$\text{Importance}(f) = 1 - \text{ARI (original clusters, modifed clusters)}$
Низкий $\text(ARI)$ → высокий $\text(1 - ARI)$ → важный признак

Важность признаков для разбиения на кластеры

from sklearn.metrics import adjusted_rand_score


kmeans = KMeans(n_clusters=2).fit(X)
original_clusters = kmeans.predict(X)


for i in range(X.shape[1]):

    X_reduced = np.delete(X, i, axis=1)

    reduced_clusters = kmeans.fit_predict(X_reduced)

    importance = 1 - adjusted_rand_score(original_clusters, reduced_clusters)
    print(f'{df.columns[i]}: {importance}')

age: 0.0
health status: 0.9995376368119572
absences: 0.0
G1: 0.0
G2: 0.6204069909514572
G3: 0.6204069909514572

Давайте потренируемся!

Объяснимый ИИ на Python