小编see*_*e24的帖子

我正在尝试使用 Friedman 和 Popescu 2008 https://projecteuclid.org/euclid.aoas/1223908046 中描述的方法确定 gbm 模型中的哪些交互是重要的。我的 gbm 是一个有 9 个不同类别的分类模型。我正在努力将第 8.3 节翻译成代码以在 R 中运行。

我认为整个过程是：

1. 用 max.depth = 1 训练模型的一个版本
2. 模拟来自该模型的响应数据
3. 在此数据上训练一个新模型，最大深度与真实模型相同
4. 获取此模型的交互强度
5. 重复步骤 1-4 以创建交互强度的零分布

我发现最令人困惑的部分是实现方程 48 和 49。（您必须查看链接的文章，因为我无法在此处重现它们）

这是我认为我理解的，但如果我错了，请纠正我：

y_i是一个新的响应向量，我们将使用它来训练一个新模型，该模型将提供交互统计的零分布。

F_A(x_i)是使用 max.depth = 1 训练的 gbm 模型版本的预测

b_i是基于加法模型F_A(x_i)预测的 0 到 1 之间的概率