शुरू करेंमुफ़्त में शुरू करें

MLPClassifier के लिए Kernel explainer

Neural networks बहुत सटीक हो सकते हैं, लेकिन उनकी जटिलता के कारण उनके निर्णयों को समझना चुनौतीपूर्ण होता है. अब आप SHAP Kernel Explainer का उपयोग करके adult income डेटासेट पर प्रशिक्षित एक MLPClassifier की व्याख्या करेंगे. आप जाँचेंगे कि तीन फीचर्स—age, education, या प्रति सप्ताह किए गए hours worked—में से इस मॉडल के अनुसार आय का पूर्वानुमान लगाने में कौन-सा सबसे अधिक महत्वपूर्ण है.

Predictors वाला X और admission decisions वाला y, साथ ही प्री-ट्रेंड MLPClassifier model, आपके लिए प्री-लोड किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Explainable AI

पाठ्यक्रम देखें

अभ्यास निर्देश

  • MLPClassifier model और X से 10 सैंपल का k-means summary लेकर एक SHAP Kernel Explainer इंस्टैंशिएट करें.
  • X के लिए shap_values जनरेट करें.
  • Admissions को प्रभावित करने वाले प्रमुख कारकों की पहचान के लिए mean absolute SHAP values कंप्यूट 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 MLPClassifier')
plt.xticks(rotation=45)
plt.show()
कोड संपादित करें और चलाएँ