Trovare i principali predittori delle spese mediche con SHAP
I valori SHAP offrono spiegazioni utili sulle previsioni fatte dai modelli di Machine Learning. Ora userai SHAP per capire l'influenza delle diverse feature in un RandomForestRegressor model nella previsione dei costi assicurativi.
X con le feature predittive e y con le spese assicurative, insieme al model RandomForest regressor, sono già stati precaricati per te.
Nota che l'esecuzione del codice potrebbe richiedere un po' di tempo.
Questo esercizio fa parte del corso
Explainable AI in Python
Istruzioni dell'esercizio
- Inizializza un tree explainer SHAP chiamato
explainerper ilmodelRandomForest. - Calcola gli
shap_valuesper il dataset. - Calcola i valori SHAP assoluti medi per individuare le feature più influenti.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
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()