如何解读Google AutoML输出特征权重（网站日转化率预测场景）

关于全局特征重要性的作用边界 #

你对全局特征重要性的判断是准确的：Google AutoML针对线性回归输出的全局特征重要性，本质是基于全样本统计得到的、衡量各特征对整体预测准确率贡献占比的指标，核心反映的是全样本平均维度下的预测价值，确实无法直接体现特征对目标值极端大幅波动的驱动作用。
这个指标的计算逻辑（无论是基于标准化权重绝对值的贡献计算，还是置换重要性）本身是全量平均后的结果，没有针对高/低转化率的极端样本做分组拆解。比如某日常被判定为高重要性的平均停留时长，未必是驱动单日转化率暴跌的核心因素——往往是某类平时贡献占比不高的异常流量特征，在极端波动场景下才是核心驱动项。如果要定位大幅波动的核心驱动特征，需要单独提取转化率Top10%、Bottom10%的样本子集，重新计算子集内的特征重要性，不能直接复用全量全局指标。

关于局域特征权重的解读逻辑 #

Google AutoML线性回归输出的局域特征权重，本质是模型预测结果的可加分解分量（对线性模型而言等价于SHAP值），你提到的bounce rate权重解读方向基本成立，但需要补充两个关键前提：

• 权重的参考基准不是0值：局域权重衡量的是该样本的特征取值，相对于模型基准预测值（即所有特征取全局平均时的转化率预测结果）的偏移贡献。举个例子，模型基准预测转化率为3%，某样本bounce rate对应的权重为-0.002，代表这个样本的bounce rate取值，会让最终预测值比基准值低0.002（即0.2个百分点），样本最终预测值=基准值+所有特征局域权重的总和。
• AutoML输出的局域权重已经完成了预处理后的量纲换算：模型在训练时对特征做的标准化、分箱、缺失填充等操作，已经在权重输出阶段折算回原始业务量纲，因此-0.002的单位就是转化率的绝对差值，不存在额外的缩放系数。

关于局域特征权重的聚合统计规范 #

直接取所有样本的局域权重的min-max数值区间，不属于规范的统计方法，仅能作为非常粗略的参考。针对局域特征权重的聚合，行业内通用的规范方法包含两类：

• 分布类统计：优先计算各特征局域权重的分位数区间（如P10、P50、P90），而非仅看极值。极值区间往往由爬虫、异常流量这类无业务意义的离群样本贡献，比如100% bounce rate的爬虫样本对应的极端权重，无法代表真实业务场景下的特征影响边界。分位数统计能过滤离群值干扰，反映正常业务场景下的特征贡献范围。
• 分组聚合统计：结合业务分析维度（如不同流量渠道、不同转化率高低的日期分组），单独计算对应组内的局域权重均值，以此定位特征在不同业务场景下的贡献差异，比如对比高转化率日期组和低转化率日期组的bounce rate权重差，就能直接验证该特征对转化率波动的实际影响程度。

需要注意的是，如果AutoML训练时开启了自动特征交叉，部分局域权重会存在特征交互效应，单独提取某一特征的权重区间做解读时，需要剔除交叉项的影响，避免误判特征的独立贡献。

内容的提问来源于stack exchange，提问作者Aaron Harris