शुरू करेंमुफ़्त में शुरू करें

MLPRegressor के लिए Kernel explainer

एडमिशन डेटासेट से आपकी परिचितता को देखते हुए, आप इस डेटा पर प्रशिक्षित MLPRegressor को समझाने के लिए SHAP का Kernel Explainer उपयोग करेंगे. यह तरीका आपको यह परखने देगा कि अलग-अलग फीचर मॉडल की प्रेडिक्शंस को कैसे प्रभावित करते हैं, और इन इनसाइट्स को डेटासेट की अपनी मौजूदा समझ के साथ मिलान करके सत्यापित करने में मदद करेगा.

प्री-ट्रेंड MLPRegressor model के साथ, प्रेडिक्टर्स वाला X और एडमिशन डिसीज़न वाला y आपके लिए प्री-लोड किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Explainable AI

पाठ्यक्रम देखें

अभ्यास निर्देश

  • MLPRegressor model और X से 10 सैंपल के k-means सारांश का उपयोग करके एक SHAP Kernel Explainer बनाएँ.
  • X के लिए shap_values जनरेट करें.
  • एडमिशन को प्रभावित करने वाले प्रमुख कारकों की पहचान करने के लिए mean absolute SHAP values की गणना करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

import shap

# Create a SHAP Kernel 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 MLPRegressor')
plt.xticks(rotation=45)
plt.show()
कोड संपादित करें और चलाएँ