Encontrar predictores clave de gastos médicos con SHAP
Los valores SHAP proporcionan explicaciones con información de las previsiones realizadas por los modelos de machine learning. Ahora utilizarás SHAP para descifrar la influencia de diferentes características de un RandomForestRegressor model en la previsión de los cargos por seguros.
X con las características predictoras y y con los cargos por seguros, junto con el regresor RandomForest model, se han precargado para ti.
Ten en cuenta que el código puede tardar un poco en ejecutarse.
Este ejercicio forma parte del curso
IA explicable en Python
Instrucciones del ejercicio
- Inicializa un SHAP.TreeExplainer llamado
explainerpara el RandomForestmodel. - Calcula
shap_valuespara el conjunto de datos. - Calcula los valores SHAP absolutos medios para identificar las características más influyentes.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
import shap
# Create a SHAP Tree Explainer
explainer = ____
# Calculate SHAP values
shap_values = ____
# Calculate mean absolute SHAP values
mean_abs_shap = ____
plt.bar(X.columns, mean_abs_shap)
plt.title('Mean Absolute SHAP Values for RandomForest')
plt.xticks(rotation=45)
plt.show()