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
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)