Beeswarm प्लॉट से फीचर प्रभावों का विश्लेषण
विश्वविद्यालय में एक डेटा साइंटिस्ट की अपनी भूमिका जारी रखते हुए, अब आप एडमिशन के परिणामों पर व्यक्तिगत फीचर प्रभावों के विस्तृत विश्लेषण पर ध्यान केंद्रित करते हैं। यह पहचानना महत्वपूर्ण था कि कौन-से प्रमुख कारक निर्णयों को प्रभावित करते हैं, लेकिन थोड़ा गहराई में जाने से समझ आता है कि इन कारकों में बदलाव भविष्यवाणियों को खास तौर पर कैसे प्रभावित करते हैं। यह अतिरिक्त समझ ऐसे प्रश्नों के जवाब देने में मदद करेगी कि टेस्ट स्कोर या CGPA में परिवर्तन से एडमिशन की संभावना कैसे बदलती है, जिससे नीतिगत सिफारिशों और सूचित निर्णयों के लिए तस्वीर और साफ होगी।
shap लाइब्रेरी और प्रशिक्षण डेटा (X_train, y_train) पहले से लोड हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Explainable AI
अभ्यास निर्देश
TreeExplainerका उपयोग करकेshap_valuesनिकालिए.- निकाले गए
shap_valuesसे beeswarm प्लॉट बनाइए और उसका विश्लेषण कीजिए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the beeswarm plot
____