Erläuterung der Hochschulzulassungen
Unten siehst du eine SHAP-Visualisierung der Relevanz von Datenmerkmalen, die in einem Regressionsmodell verwendet werden, um die Wahrscheinlichkeit einer Hochschulzulassung zu schätzen. Dabei werden die Ergebnisse verschiedenen gängiger akademischer Tests in den USA (CGPA, Cumulative Grade Point Average, GRE, Graduate Record Examination usw.) als Vorhersageattribute oder Merkmale verwendet.
- Die Grafik zeigt die relative Bedeutung der Prädikatorattribute (Ergebnisse akademischer Tests) im Inferenzprozess, den das Modell anwendet, um die Qualität einer gegebenen Beobachtung (eine Zulassungsentscheidung für einen Schüler) zu schätzen.
- Der Bereich der Merkmalswerte wird durch Farben dargestellt, die von blau (niedrigster Wert) bis rosa (höchster Wert) reichen. Die Position der farbigen Balken jedes Merkmals auf der horizontalen Achse zeigt, wie sich die Merkmalswerte auf die Ergebnisse des Modells auswirken. Einige Merkmalswerte führen zu höheren Ergebnissen, wenn sie selbst stärker ausgeprägt sind, während einige andere Merkmalswerte zu niedrigeren Ergebnissen führen, wenn stärker ausgeprägt sind.
Sieh dir das obige SHAP-Diagramm genau an und wähle aus, welche der folgenden Aussagen über die Erklärbarkeit des Modells und die Bedeutung der Merkmale wahr sind:
Diese Übung ist Teil des Kurses
Künstliche Intelligenz verstehen
Interaktive Übung
In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.
