Mit Entscheidungsbäumen Einblick in ein mechanisches Modell gewinnen
Dieser Blogbeitrag untersucht ein einfaches Vorgehen um mit Entscheidungsbäumen (maschineller Lernalgorithmus «Classification Decision Tree») Einblick in ein bestehendes Modell zu gewinnen. Im Anwendungsbeispiel ist das bestehende Modell ein mechanisches Modell, das die Tragfähigkeit eines zweifeldrigen Plattenstreifens berechnet. Es wird genutzt, um einen Datensatz zu erzeugen, auf dem ein Entscheidungsbaum trainiert wird. Die Aufteilungen im Entscheidungsbaum und die “Feature Importance” Eigenschaft helfen zu verstehen welche Eingangsparameter des bestehenden Modells das Resultat am stärksten beeinflussen. Ein zusätzlicher Vorteil ist, dass die mechanische Interpretation der Aufteilungen neue Ideen inspirieren oder zu einer anderen Denkweise führen kann.
Weiterlesen