如何在使用标准化数据训练模型后，为部分依赖图（PDP）恢复原始特征尺度

偷偷努力，悄无声息地变强，然后惊艳所有人！哈哈，小伙伴们又来学习啦~今天我将给大家介绍《如何在使用标准化数据训练模型后，为部分依赖图（PDP）恢复原始特征尺度 》，这篇文章主要会讲到等等知识点，不知道大家对其都有多少了解，下面我们就一起来看一吧！当然，非常希望大家能多多评论，给出合理的建议，我们一起学习，一起进步！

当随机森林等模型基于 StandardScaler 标准化后的数据训练时，PartialDependenceDisplay 默认显示缩放后的 x 轴值；本文介绍如何通过反向变换刻度标签，使 PDP 横轴回归原始业务单位，兼顾可解释性与技术正确性。

当随机森林等模型基于 StandardScaler 标准化后的数据训练时，PartialDependenceDisplay 默认显示缩放后的 x 轴值；本文介绍如何通过反向变换刻度标签，使 PDP 横轴回归原始业务单位，兼顾可解释性与技术正确性。

在机器学习实践中，使用 StandardScaler 对特征进行标准化（即零均值、单位方差）是提升模型收敛性与稳定性的常见做法。但当调用 sklearn.inspection.PartialDependenceDisplay.from_estimator() 绘制部分依赖图（PDP）时，若传入的是已缩放的测试集 X_test_final，图表横轴将直接显示标准化后的数值（如 −2.1, 0.0, 1.8），严重削弱业务可解释性——例如，你无法直观判断“收入增加 5000 元”对违约概率的影响。

关键在于：无需重新训练模型或修改输入数据，只需重映射坐标轴的刻度标签（tick labels）。因为 PDP 内部计算仍基于缩放空间（模型只认识该空间），我们仅需将显示的刻度值“翻译”回原始尺度。

假设你已保存了训练时 StandardScaler 的参数（强烈建议如此）：

from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.inspection import PartialDependenceDisplay
import matplotlib.pyplot as plt

# ✅ 正确做法：保存 scaler 参数
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

best_clf = RandomForestClassifier().fit(X_train_scaled, y_train)

# 绘制 PDP（仍使用缩放数据）
fig, ax = plt.subplots(figsize=(8, 6))
disp = PartialDependenceDisplay.from_estimator(
    best_clf, X_test_scaled, features=best_features, ax=ax
)

# ? 反向映射 x 轴刻度标签（以第一个特征为例）
feature_idx = 0
x_mean = scaler.mean_[feature_idx]
x_std = scaler.scale_[feature_idx]  # 注意：StandardScaler 使用 scale_（非 std_）

# 获取当前 x 轴刻度位置（标准化空间中的值）
x_ticks = ax.get_xticks()

# 将其映射回原始尺度：x_original = x_scaled * std + mean
x_original = x_ticks * x_std + x_mean

# 格式化为易读字符串（按原始数据量级调整小数位）
x_labels = [f'{val:.2f}' if abs(val) < 100 else f'{val:.0f}' for val in x_original]

ax.set_xticks(x_ticks)           # 保持原有刻度位置
ax.set_xticklabels(x_labels)     # 仅替换标签文本

plt.title(f'Partial Dependence of {feature_names[best_features[feature_idx]]} (original scale)')
plt.tight_layout()
plt.show()

⚠️ 注意事项：

• 切勿对 X_test_scaled 手动反标准化后再传入 from_estimator：这会导致 PDP 计算在错误空间中进行，结果完全失真；
• StandardScaler 的标准差存储在 .scale_ 属性中（不是 .std_），均值在 .mean_ 中；
• 若绘制多特征 PDP（如 features=[(0, 1)]），需分别对每个子图的对应轴应用上述逻辑；
• 对于类别型特征或经过其他变换（如 RobustScaler, MinMaxScaler）的特征，反向公式需相应调整（如 MinMaxScaler: x_orig = x_scaled * (max - min) + min）。

总结而言，PDP 的可解释性不依赖于输入数据是否缩放，而取决于你如何呈现坐标轴。通过保留模型训练时的 scaler 参数，并仅重绘 tick labels，即可零成本实现“模型内部用缩放数据，图表对外展原始尺度”的最佳实践。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于文章的相关知识，也可关注golang学习网公众号。