Décortiquons le SHAP

L'une des raisons de la magie des outils XAI (Explainable AI) tels que SHAP est la capacité à afficher non seulement l' importance globale des caractéristiques prédictives d'un modèle, mais aussi l'importance spécifique et la relation entre les caractéristiques d'entrée et la sortie ou la prédiction d' un modèle spécifique.

Le graphique suivant illustre l'importance des différents résultats de tests académiques américains courants dans l'estimation de la probabilité d'admission à l'université, pour un seul étudiant. La prédiction du modèle qui en résulte est un niveau de qualité de 0,63 pour la décision d'admission de cet étudiant.

Vous trouverez ci-dessous quatre énoncés relatifs à l'importance des caractéristiques et au comportement du modèle dans cette prédiction.

L’un de ces énoncés est faux. Pouvez-vous la trouver ?