7、传统模型解释方法综述

传统模型解释方法综述

在机器学习领域，为了尽可能探索更多的模型类别和解释方法，我们会将数据拟合到回归和分类模型，以及降维方法中。下面将详细介绍使用不同回归和分类方法进行预测和评估的过程。

1. 使用各种回归方法预测延误分钟数

为了比较不同的回归方法，我们首先创建一个名为 reg_models 的字典，其中每个模型都有自己的字典，并且创建模型的函数存储在 model 属性中。这个结构将用于整齐地存储拟合好的模型及其指标。

reg_models = {
    # 广义线性模型 (GLMs)
    'linear': {'model': linear_model.LinearRegression()},
    'linear_poly': {'model': make_pipeline(PolynomialFeatures(degree=2), linear_model.LinearRegression(fit_intercept=False))},
    'linear_interact': {'model': make_pipeline(PolynomialFeatures(interaction_only=True), linear_model.LinearRegression(fit_intercept=False))},
    'ridge': {'model': linear_model.RidgeCV(alphas=[1e-3, 1e-2, 1e-1, 1])},
    # 树模型
    'decision_tree': {'model'