29、多元预测与敏感性分析的解释方法

多元预测与敏感性分析的解释方法

在多元预测和敏感性分析中，我们常常需要对不同的模型进行评估和解释。本文将介绍如何使用传统方法评估时间序列模型，以及如何使用集成梯度方法生成LSTM模型的归因图。

1. 模型定义

为了简化讨论，我们将基于4周回溯窗口训练的双向LSTM模型称为“672模型”，将基于1周回溯窗口训练的单向LSTM模型称为“168模型”。接下来，我们将使用传统的解释方法评估这两个模型。

2. 使用传统解释方法评估时间序列模型

时间序列回归模型可以像评估任何回归模型一样进行评估，即使用均方误差或R平方得分等指标。在某些情况下，可能需要使用中位数、对数、偏差或绝对值等指标，但本文中的模型不需要这些。

2.1 使用标准回归指标

evaluate_reg_mdl 函数可以评估模型，输出一些标准的回归指标，并绘制图表。该函数的参数包括拟合模型（ lstm_traffic_672_mdl ）、训练集（ gen_train_672 ）、测试集（ gen_test_672 ）、训练标签（ y_train ）和测试标签（ y_test ）。

print(lstm_traffic_672_mdl.name)
y_train_pred_672, y_test_pred_672, y_train_672, y_test_672 = mldatasets.evaluate_