التفسيرات وحدود السببية

import numpy as np
X = np.array([[0.0, 0.0], [1.0, 0.0], [0.0, 1.0], [1.0, 1.0]])
coef = np.array([1.0, 2.0])
y = X @ coef
changed = X.copy()
changed[:, 0] = changed[::-1, 0]
print(f"constructed baseline MAE={np.abs(y - X @ coef).mean():.1f}")
print(f"fixed perturbation MAE={np.abs(y - changed @ coef).mean():.1f}")

constructed baseline MAE=0.0
fixed perturbation MAE=1.0

الأساس منشأ من القاعدة ويغير عكس العمود كل تنبؤ بواحد.

import numpy as np
x = np.array([2.0, 3.0])
coef = np.array([4.0, 5.0])
intercept = 1.0
terms = x * coef
scaled_x = x * np.array([100.0, 1.0])
scaled_coef = coef / np.array([100.0, 1.0])
print(terms.tolist())
print(float(intercept + terms.sum()))
print(np.allclose(terms, scaled_x * scaled_coef))

[8.0, 15.0]
24.0
True

المساهمتان ثمانية وخمسة عشر ويحفظ تغيير الوحدة الناتج رغم تغير المعامل.