8.Küresel Model Agnostik Metotlar (Global Model-Agnostic Methods)

Global yöntemler, bir makine öğrenimi modelinin ortalama davranışını açıklar. Global yöntemlerin karşıtı ise yerel yöntemlerdir. Global yöntemler genellikle verinin dağılımına dayalı beklenen değerler olarak ifade edilir. Örneğin, kısmi bağımlılık grafiği (partial dependence plot), bir öznitelik etkisi grafiğidir ve diğer tüm öznitelikler marjinalleştirildiğinde beklenen tahmini gösterir. Global yorumlama yöntemleri, ortalama davranışı açıkladığı için özellikle modelleyicinin verideki genel mekanizmaları anlamak veya bir modeli hata ayıklamak istediği durumlarda faydalıdır.

Bu kitapta, aşağıdaki modelden bağımsız global yorumlama tekniklerini öğreneceksiniz:

• Kısmi bağımlılık grafiği (Partial dependence plot): Bir öznitelik etkisi yöntemidir.

• Biriktirilmiş yerel etki grafikleri (Accumulated local effect plots): Öznitelikler bağımlı olduğunda çalışan başka bir öznitelik etkisi yöntemidir.

• Öznitelik etkileşimi (H-istatistiği): Bir tahminin, özniteliklerin ortak etkilerinin sonucu olma derecesini ölçer.

• Fonksiyonel ayrıştırma (Functional decomposition): Yorumlanabilirliğin merkezi bir fikri ve karmaşık tahmin fonksiyonunu daha küçük parçalara ayıran bir tekniktir.

• Permütasyon öznitelik önemi (Permutation feature importance): Bir öznitelik karıştırıldığında kayıptaki artış olarak özniteliğin önemini ölçer.

• Global yedek modeller (Global surrogate models): Orijinal modeli daha basit bir modelle değiştirerek yorumlamayı sağlar.

• Prototipler ve eleştiriler (Prototypes and criticisms): Bir dağılımın temsilci veri noktalarıdır ve yorumlanabilirliği artırmak için kullanılabilir.