शुरू करेंमुफ़्त में शुरू करें

SHAP के साथ मेडिकल चार्ज के प्रमुख प्रेडिक्टर्स ढूँढना

SHAP values, मशीन लर्निंग मॉडलों द्वारा किए गए प्रेडिक्शन्स की बेहतरीन व्याख्या देती हैं. अब आप SHAP का उपयोग करेंगे ताकि RandomForestRegressor model में अलग-अलग फीचर्स का इंश्योरेंस चार्जेज़ की भविष्यवाणी पर क्या प्रभाव है, इसे समझ सकें.

प्रेडिक्टर फीचर्स वाला X और इंश्योरेंस चार्जेज़ वाला y, साथ ही RandomForest रिग्रेसर model, आपके लिए पहले से लोड किए गए हैं.

कृपया ध्यान दें कि कोड चलने में कुछ समय लग सकता है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Explainable AI

पाठ्यक्रम देखें

अभ्यास निर्देश

  • RandomForest model के लिए explainer नाम का SHAP ट्री एक्सप्लेनर इनिशियलाइज़ करें.
  • डेटासेट के लिए shap_values कैलकुलेट करें.
  • सबसे प्रभावशाली फीचर्स पहचानने के लिए mean absolute SHAP values compute करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

import shap

# Create a SHAP Tree Explainer
explainer = ____

# Calculate SHAP values
shap_values = ____

# Calculate mean absolute SHAP values
mean_abs_shap = ____

plt.bar(X.columns, mean_abs_shap)
plt.title('Mean Absolute SHAP Values for RandomForest')
plt.xticks(rotation=45)
plt.show()
कोड संपादित करें और चलाएँ