5、机器学习模型可解释性探索：以CVD预测为例

机器学习模型可解释性探索：以CVD预测为例

1. 利用逻辑回归解释个体预测

在进行心血管疾病（CVD）预测时，我们可以使用逻辑回归模型对整个测试数据集进行预测。以下是具体的代码实现：

y_pred = log_result.predict(sm.add_constant(X_test)).to_numpy()
print(y_pred)

运行上述代码后，得到的数组即为每个测试案例CVD呈阳性的概率，例如：

[0.40629892 0.17003609 0.13405939 ... 0.95575283 0.94095239 0.91455717] 

接下来，我们选取一个阳性案例，即测试案例#2872：

print(y_pred[2872])

该案例的预测分数超过了0.5，说明预测为CVD阳性，具体分数为：

0.5746680418975686

下面是测试案例#2872的详细信息：

print(X_test.iloc[2872])

输出结果如下：