Évaluation de l'impact à l'aide de graphiques de dépendance partielle
Sur la base de vos contributions précédentes, votre prochaine tâche consiste à étudier la manière dont la moyenne générale et la notation de l'université influencent les décisions d'admission. Notre analyse précédente a montré que la moyenne générale est l'indicateur le plus important, tandis que la notation de l'université est le moins important. En utilisant un graphique de dépendance partielle, nous pouvons voir comment les changements dans ces caractéristiques affectent la probabilité d'admission, donnant au comité d'admission des indications nuancées sur leur impact.
X_train et y_train ont été préchargés pour vous.
Cet exercice fait partie du cours
L'IA explicable en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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)