Apache Spark机器学习3.6　结果解释

3.6　结果解释

通过了模型评估，并决定选择估计模型作为最终模型之后，我们需要向公司执行团队和技术团队解释执行结果。

接下来，我们将讨论一些经常使用的结果解释方法，使用图表来表达影响评估。

一些用户喜欢使用ROI的形式解释我们的结果，这就需要成本和效益的数据。当我们拥有成本和效益数据时，结果可以很方便地覆盖ROI主题。当然，需要一些优化才可以应用到实际决策中。

影响的评估

正如在Spark整体视图一节中所介绍的，本项目的主要目的是获得销售团队成功的整体视图。例如，公司希望比较一下市场营销与培训和其他因素对销售团队成功的影响。

我们已经使用线性回归模型进行了估计，一个简单的影响比较方法是使用每个特征组的ANOVA来总结这种变化。

下图是另一个使用图形解释结果的例子：