Ako hodnotiť elasticitu znaku a jeho vplyv na cieľ?

Elastickosť znaku je miera citlivosti cieľa na zmenu hodnoty tohto znaku. Na jej hodnotenie a analýzu vplyvu znaku na cieľ možno použiť niekoľko prístupov:

1. Korelačná analýza — vypočítať koreláciu medzi znakom a cieľom (napríklad Pearsonov koeficient pre číselné údaje).

2. Dôležitosť znakov v modeli — natrénovať model (napríklad rozhodovací strom, náhodný les) a pozrieť sa na dôležitosť znakov.

3. Parciálne derivácie alebo gradiány — v modeloch s diferencovateľnými funkciami možno hodnotiť, ako zmena znaku ovplyvňuje predikciu.

4. Analýza citlivosti — meniť hodnoty znaku v dátach a sledovať, ako sa mení cieľ alebo predikcia.

Príklad hodnotenia dôležitosti znaku pomocou náhodného lesa v Pythone:

from sklearn.ensemble import RandomForestRegressor
import numpy as np

X = ... # znaky
y = ... # cieľ

model = RandomForestRegressor()
model.fit(X, y)

importances = model.feature_importances_
for i, imp in enumerate(importances):
    print(f'Znak {i}: dôležitosť {imp}')

Týmto spôsobom elastickosť znaku odráža, ako silno zmena tohto znaku ovplyvňuje cieľovú premennú.