32、机器学习模型评估与解释：启发式基准、特征归因与模型基线

机器学习模型评估与解释：启发式基准、特征归因与模型基线

在机器学习领域，准确评估和解释模型的性能至关重要。本文将深入探讨启发式基准、特征归因和模型基线等关键概念，以及如何运用它们来提升模型的可解释性和实用性。

1. 启发式基准的多面应用

启发式基准不仅能解释模型性能，在模型开发过程中也有重要作用。

1.1 开发检查

在构建预测租赁时长的模型时，我们可以使用一个查找表作为基准，该表根据车站名称和是否为通勤高峰时段给出平均租赁时长。以下是相关代码：

CREATE TEMPORARY FUNCTION is_peak_hour(start_date TIMESTAMP) AS
    EXTRACT(DAYOFWEEK FROM start_date) BETWEEN 2 AND 6 -- weekday
    AND (
       EXTRACT(HOUR FROM start_date) BETWEEN 6 AND 10
       OR
       EXTRACT(HOUR FROM start_date) BETWEEN 15 AND 18)
;
SELECT 
   start_station_name,
   is_peak_hour(start_date) AS is_peak,
   AVG(duration) AS predicted_duration,
FROM `bigquery-public-data.london_bicycles.cycle_hire`
GROUP BY 1, 2

在模型开发过程中，将机器学习模型