Интерпретируемость моделей машинного обучения с использованием значений SHAP: применение к задаче классификации магматических пород

Интрузивное тело Эль-Фьерро является одним из тел, слагающих мафит-ультрамафитовый пояс Ла-Ховита—Лас-Агилас, расположенный в Сьерра-Гранде-де-Сан-Луис, Аргентина. В породах этого пояса присутствуют сульфидная минерализация цветных металлов (BMS) и минералы платиновой группы (PGM). Макроскопическое описание мафитовых и ультрамафитовых пород, обычно выполняемое компаниями, занимающимися поиском и разведкой месторождений, приводит к неточной модальной классификации пород. В настоящем исследовании разработана прогностическая модель на основе случайного леса, использующая геохимические параметры для классификации мафитовых и ультрамафитовых пород, пересечённых керном скважин. Точность модели составила от 86% до 94%, а F1-мера — 96%. Классификация методом случайного леса широко применяется для построения прогностических моделей в различных областях исследований. Однако по мере усложнения моделей их интерпретация может становиться значительно труднее. Для интерпретации результатов модели использованы глобальный и локальный подходы с применением метода SHAP (SHapley Additive exPlanations). Метод SHAP позволяет анализировать отдельные образцы с помощью силовых графиков и оценивать важность каждого входного геохимического признака для выходного результата модели. Анализ вклада каждого входного признака в модель позволил выявить три переменные с наибольшим вкладом в следующем порядке: Al2O3, MgO и Sr.