回归模型中多特征灵敏度的计算

Question

对于我的意思来说，敏感度可能不是一个好词，因为我在搜索时没有找到我想要的结果

所以我用随机森林创建了一个回归模型。然后我使用不同的方法选择特征，将特征数量从60个缩小到9个

在模型中，您得到输出“Y”或“N”。你要么被批准，要么被拒绝。我现在想做的是，如果你得到了输出'N'，你也应该得到你可以在每个特性上改进多少才能得到'Y'

例如，输出可能是：“您被拒绝了，但是如果您将x1分数增加为0.1，x2分数增加为0.5，x3分数增加为1，x4分数增加为-5，您将被批准。”换句话说，为了更改输出的标签，功能可以更改多少

假设变量不相关

我现在所做的方法是为每个特性进行for循环，在每次迭代中对其进行一点更改，并在标签更改时停止。但是，这会导致for循环中出现多个for循环，这似乎不是最优的。python中有没有函数可以实现这一点，或者有没有更简单的方法

谢谢：）