Bewertung der Konsistenz von Erklärungen mit SHAP

Bewerte die Konsistenz von Erklärungen zur Merkmalswichtigkeit anhand der SHAP-Werte in zwei verschiedenen Untergruppen des Versicherungsdatensatzes.

Die Teilmengen X1, X2, y1 und y2 wurden bereits geladen, zusammen mit model1 (trainiert mit der ersten Teilmenge) und model2 (trainiert mit der zweiten Teilmenge).

Diese Übung ist Teil des Kurses

<Kurs>Erklärbare KI in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Berechne shap_values1 und feature_importance1 für model1.
Berechne shap_values2 und feature_importance2 für model2.
Berechne die Konsistenz (consistency) zwischen den Merkmalswichtigkeiten.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Calculate SHAP values and feature importance for model1
explainer1 = shap.TreeExplainer(model1)
shap_values1 = ____
feature_importance1 = ____

# Calculate SHAP values and feature importance for model2
explainer2 = shap.TreeExplainer(model2)
shap_values2 = ___
feature_importance2 =____

# Consistency calculation
consistency = ____
print("Consistency between SHAP values:", consistency)

Code bearbeiten und ausführen