31、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，我们常常需要了解各个因素对模型输出的影响，以及如何量化这些影响带来的不确定性和成本敏感性。下面将详细介绍相关的方法和操作步骤。

因素分析与方法选择

通过协方差图可以看出，所有因素都是非线性或非单调的。其中， hr 是目前最重要的因素， is_holiday 、 dow 和 temp 这三个因素相对较为接近。天气因素组未在图中显示，因为其交互性结果不明确，不过 rain_1h 和 cloud_coverage 自身的交互性比其重要性更显著。

基本效应有助于我们根据因素对模型结果的影响对其进行分类，但它不是一种能准确量化因素影响或因素交互影响的可靠方法。为此，我们需要转向基于方差的全局方法，该方法使用概率框架来分解输出的方差，并将其追溯到输入。这些方法包括傅里叶振幅敏感性测试（FAST）和 Sobol 方法，下面将重点介绍 Sobol 方法。

因素固定法量化不确定性和成本敏感性

使用 Morris 指数分析可知，所有因素都是非线性或非单调的，且它们之间存在高度的交互性。气候因素（ temp 、 rain_1h 和 cloud_coverage ）很可能与 hr 存在多重共线性， hr 、 is_holiday 和 d