Kernelexplainer para MLPRegressor
Dada tu familiaridad con el conjunto de datos de admisiones, emplearás el Kernelexplainer de SHAP para explicar un MLPRegressor entrenado con estos datos. Este método te permitirá evaluar críticamente el impacto de las distintas características en las previsiones del modelo y verificar esta información con tus conocimientos del conjunto de datos.
X, que contiene los predictores, y, que contiene las decisiones de admisión, y el model del MLPRegressor preentrenado se han precargado para ti.
Este ejercicio forma parte del curso
IA explicable en Python
Instrucciones de ejercicio
- Crea un SHAP.KernelExplainer usando el MLPRegressor
modely un resumen k-medias de 10 muestras deX. - Genera
shap_valuesparaX. - Calcula los valores SHAP absolutos medios para identificar los factores clave que afectan a las admisiones.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
import shap
# Create a SHAP Kernel 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 MLPRegressor')
plt.xticks(rotation=45)
plt.show()