1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Explainable AI v Pythonu
Connected

cvičení

Analýza vlivu příznaků pomocí beeswarm grafů

V roli datového vědce na univerzitě se teď zaměříš na podrobnější analýzu toho, jak jednotlivé příznaky ovlivňují výsledky přijímacího řízení. Identifikace klíčových faktorů byla důležitým prvním krokem – hlubší pohled nám ale umožní pochopit, jak konkrétní změny těchto faktorů ovlivňují předpovědi modelu. Díky tomu budeme schopni odpovědět na otázky jako: jak změna výsledků testů nebo hodnoty CGPA ovlivňuje pravděpodobnost přijetí? Tato zjištění poskytnou jasnější podklad pro informovaná rozhodnutí a doporučení v oblasti přijímací politiky.

Knihovna shap a trénovací data (X_train, y_train) jsou předem načteny.

Pokyny

100 XP
  • Odvoď shap_values pomocí TreeExplainer.
  • Použij odvozené shap_values k vykreslení beeswarm grafu a proveď jeho analýzu.