Gráficos de importancia de las características para análisis de admisiones
Como parte del equipo de ciencia de datos de una universidad, tu tarea es evaluar qué factores impulsan realmente las decisiones de admisión y cuáles son menos importantes. Aunque el comité de admisiones sabe que CGPA desempeña un papel clave, quiere confirmarlo y descubrir cualquier otro factor importante que pueda influir en los resultados. Utilizando un RandomForestRegressor model, visualizarás la importancia de las características para identificar claramente qué aspectos de los perfiles de los solicitantes importan más y cuáles tienen menos impacto en el proceso de decisión.
La biblioteca shap y los datos de entrenamiento (X_train, y_train) se han precargado para ti.
Este ejercicio forma parte del curso
IA explicable en Python
Instrucciones de ejercicio
- Deduce los
shap_valuesusando unTreeExplainer. - Usa los
shap_valuesdeducidos para representar las importancias de las características con un gráfico de barras y analizarlo.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the feature importance plot
____