部分依赖图 - 使用缩放数据开发的模型，如何取消 PDP 缩放？

Question

我已经用Python制作了一个随机森林分类器模型，现在想要制作部分依赖图（PDP）。我使用缩放数据来训练和测试模型，并使 PDP 如下所示：

PartialDependenceDisplay.from_estimator(best_clf, X_test_final, best_features)

。然而，x 轴值是按比例缩放的，这限制了可解释性。

在调用

X_test_final

之前取消缩放数据

PartialDependenceDisplay

不起作用，有关如何将 x 轴值从缩放更改为未缩放的任何建议？我已经使用

StandardScaler()

缩放了我的数据。

Answer 1

取消标准化数据的缩放比例很简单。要标准化数据，您需要执行以下操作：

X' = (X - mean(X)) / std(X)

因此要取消缩放，您只需执行

X = (X' * std(X)) + mean(X)

即可。

如果您只想更改刻度标签，以便可以按照数据的原始比例解释结果，那么您只需执行以下操作：

# Get the tick positions on the current axis
x_ticks = ax.get_xticks()

# Un-standardise the tick values
xt_unscaled = [(xt * x.std()) + x.mean() for xt in x_ticks]

# Format the ticks to strings (here to 1 d.p.)
xt_unscaled = [f'{xt:.1f}' for xt in xt_unscaled]

# Assign the unscaled tick values to the tick labels
# This retains the original tick positions etc, but
# lets you interpret them the way you want.
ax.set_xticklabels(xt_unscaled)

plt.show()