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

cvičení

Kernel Explainer pro MLPClassifier

Neuronové sítě mohou být velmi přesné, ale porozumět jejich rozhodnutím bývá kvůli jejich složitosti náročné. V tomto cvičení využiješ SHAP Kernel Explainer k interpretaci MLPClassifier natrénovaného na datasetu příjmů dospělých. Zjistíš, který ze tří příznaků — věk, vzdělání nebo počet odpracovaných hodin týdně — má podle tohoto modelu největší vliv na predikci příjmu.

Prediktory jsou uloženy v X, cílové hodnoty v y a předtrénovaný MLPClassifier je k dispozici jako model.

Pokyny

100 XP
  • Vytvoř instanci SHAP Kernel Explaineru pomocí MLPClassifier model a k-means souhrnu 10 vzorků z X.
  • Vygeneruj shap_values pro X.
  • Vypočítej průměrné absolutní SHAP hodnoty, abys identifikoval/a klíčové faktory ovlivňující predikci příjmu.