Évaluer l’impact avec les courbes de dépendance partielle
En s’appuyant sur vos analyses précédentes, votre prochaine tâche consiste à explorer comment « CGPA » et « University Rating » influencent les décisions d’admission. Notre analyse antérieure a montré que « CGPA » est le prédicteur le plus important, tandis que « University Rating » est le moins important. À l’aide d’une courbe de dépendance partielle, nous pouvons observer comment les variations de ces variables affectent la probabilité d’admission, offrant ainsi au jury d’admission une vision nuancée de leur impact.
X_train et y_train ont été préchargés pour vous.
Cet exercice fait partie du cours
<cours>IA explicable en Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
from sklearn.ensemble import RandomForestRegressor
import shap
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Generate the partial dependence plot for CGPA
shap.partial_dependence_plot(____, ____, X_train)