Unboxing SHAP
Einer der Gründe für die Magie von XAI-Tools (Erklärbare KI) wie SHAP ist die Möglichkeit, nicht nur die Gesamtbedeutung der Vorhersagemerkmale hinter einem Modell anzuzeigen, sondern auch die spezifische Bedeutung und Beziehung zwischen den Eingangsmerkmalen und der Ausgabe oder Vorhersage eines bestimmten Modells.
Die folgende Grafik zeigt, wie wichtig die Ergebnisse verschiedener gängiger akademischer Tests in den USA für die Schätzung der Wahrscheinlichkeit einer Hochschulzulassung für den einzelnen Schüler sind. Die daraus resultierende Modellvorhersage hat eine Prognosegüte von 0,63 für die Zulassungsentscheidung dieses Schülers.
Im Folgenden findest du vier Aussagen zur Relevanz der Merkmale und zum Verhalten des Modells bei dieser individuellen Vorhersage.
Eine dieser Aussagen ist falsch. Kannst du sie finden?
Diese Übung ist Teil des Kurses
Künstliche Intelligenz verstehen
Interaktive Übung
In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.
