# 5.6 Global Surrogate
----------------
## Theory:
* 必須是機器學習模型
* 具可解釋性
* 訓練目標是Black Box模型的“預測值”，而非真實資料的“目標值”
* 訓練資料可以是：
* 與Black Box模型的訓練資料相同
* 具同樣分布的新資料集
* 原資料的Subset
* 衡量代理模型成效：R square （線性模型）
## Advantages:
* 有彈性
* 直覺
## Disadvantages:
* R^2的切點不明確
* 代理模型可能會產生局部資料適用，局部資料完全不適用的狀況

參考資料:
[https://smt.readthedocs.io/en/latest/](https://smt.readthedocs.io/en/latest/)
[https://github.com/SMTorg/smt](https://github.com/SMTorg/smt)
[https://en.wikipedia.org/wiki/Surrogate_model](https://en.wikipedia.org/wiki/Surrogate_model)

其他代理模型清單: CH 4.1 所提到的
[linear regression](https://christophm.github.io/interpretable-ml-book/limo.html#limo), [logistic regression](https://christophm.github.io/interpretable-ml-book/logistic.html#logistic), [other linear regression extensions](https://christophm.github.io/interpretable-ml-book/extend-lm.html#extend-lm), [decision trees](https://christophm.github.io/interpretable-ml-book/tree.html#tree), [decision rules](https://christophm.github.io/interpretable-ml-book/rules.html#rules) and [the RuleFit algorithm](https://christophm.github.io/interpretable-ml-book/rulefit.html#rulefit)

###### tags: `重點摘要`