问拦截在非专业术语中的效用- ELI5

EN

我正在处理一个具有1000行和10个特性的二进制分类问题。

在我使用随机森林进行分类的同时，我也用石灰来解释随机森林的预测。然而，我偶然发现了如下所示

Intercept 0.7932393836062923  
Prediction_local [0.71440155]
Right: 0.6854552819361831     

石灰根据以下公式计算prediction_local

exp.local_exp = exp.intercept[1] + sum([weight[1] for weight in exp.local_exp[1]])
0.714401551296631 #returned this value (matches with `Prediction_Local`)

所以，我的问题是

( a)当个别特征对预测的贡献很小时，我如何才能说服业务相信巨大的拦截价值？拦截有什么用？如果企业问为什么拦截价值高，我如何解释其背后的理由？

我理解拦截帮助我们捕获所有线性模式(没有拦截的模型无法捕获)，但它如何获得它的价值？如果你被要求解释如何使用截取来模拟预测，你会如何向普通的外行解释呢？

( c)在上述石灰解释中，我们可以看到局部预测的主要贡献来自于intercept。因此，我试图了解它是如何获得其价值的，以及如何解释和翻译它对业务涉众的有用性？我知道当X=0的时候拦截是一个常数。那么，这是什么意思？它有什么用？正如您在上面的例子中所看到的，尽管我的输入变量系数非常低，但由于截获值高，它仍然可以正确地预测类/结果。但是，正如您所知道的，这个截距值不是来自我们的输入变量。那么，我们如何用对业务用户的简单解释来解释这个截取值的推理呢？

这个问题也是因为我在没有数学术语的情况下向业务用户解释拦截时遇到了困难。