Mulai sekarangMulai gratis

Kernel explainer untuk MLPRegressor

Dengan familiaritas Anda terhadap himpunan data penerimaan, Anda akan menggunakan Kernel Explainer dari SHAP untuk menjelaskan sebuah MLPRegressor yang dilatih pada data ini. Metode ini memungkinkan Anda menilai secara kritis bagaimana berbagai fitur memengaruhi prediksi model dan memverifikasi wawasan tersebut terhadap pemahaman Anda yang sudah ada tentang himpunan data.

X yang memuat prediktor dan y yang berisi keputusan penerimaan, beserta MLPRegressor model yang telah dilatih, sudah dimuat untuk Anda.

Latihan ini merupakan bagian dari kursus

Explainable AI in Python

Lihat Kursus

Instruksi latihan

  • Buat SHAP Kernel Explainer menggunakan MLPRegressor model dan ringkasan k-means sebanyak 10 sampel dari X.
  • Hasilkan shap_values untuk X.
  • Hitung nilai SHAP absolut rata-rata untuk mengidentifikasi faktor kunci yang memengaruhi penerimaan.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

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()
Edit dan Jalankan Kode