पार्शियल डिपेंडेंस प्लॉट्स से प्रभाव का आकलन
आपके पिछले कार्य के आधार पर, आपका अगला काम यह जाँचना है कि 'CGPA' और 'University Rating' प्रवेश निर्णयों को कैसे प्रभावित करते हैं। हमारी पिछली विश्लेषण से पता चला था कि 'CGPA' सबसे महत्वपूर्ण प्रेडिक्टर है, जबकि 'University Rating' सबसे कम महत्वपूर्ण है। पार्शियल डिपेंडेंस प्लॉट का उपयोग करके, हम देख सकते हैं कि इन फीचर्स में बदलाव से प्रवेश की प्रायिकता पर क्या असर पड़ता है, जिससे एडमिशन कमेटी को उनके प्रभाव के बारे में सूक्ष्म समझ मिलती है।
X_train और y_train आपके लिए पहले से लोड किए गए हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Explainable AI
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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)