Analizzare gli effetti delle feature con i grafici beeswarm
Proseguendo nel tuo ruolo di data scientist all’università, ora ti concentri su un’analisi più dettagliata degli effetti delle singole feature sugli esiti delle ammissioni. Identificare i fattori chiave che influenzano le decisioni di ammissione è stato fondamentale, ma approfondire ti permette di capire come le variazioni di questi fattori incidano in modo specifico sulle previsioni. Queste informazioni aggiuntive aiutano a rispondere a domande come in che modo cambiamenti nei punteggi dei test o nel CGPA influenzino la probabilità di ammissione, fornendo un quadro più chiaro per decisioni informate e raccomandazioni di policy.
La libreria shap e i dati di training (X_train, y_train) sono già stati caricati per te.
Questo esercizio fa parte del corso
Explainable AI in Python
Istruzioni dell'esercizio
- Ricava i
shap_valuesusando unTreeExplainer. - Usa i
shap_valuesottenuti per tracciare il grafico beeswarm e analizzarlo.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the beeswarm plot
____