入学選考分析のための特徴量重要度プロット
大学のデータサイエンスチームの一員として、どの要因が本当に入学判定を左右し、どの要因の重要度が低いのかを評価します。入試委員会は CGPA が重要であることを理解していますが、それを確認するとともに、結果に影響しうる他の重要因子も明らかにしたいと考えています。RandomForestRegressor の model を使い、特徴量重要度を可視化して、志願者プロファイルのどの側面が最も重要で、意思決定への影響が小さいのはどれかを明確に示しましょう。
shap ライブラリと学習データ（X_train、y_train）はあらかじめ読み込まれています。
この演習はコースの一部です
Pythonで学ぶExplainable AI
演習の手順
TreeExplainerを使ってshap_valuesを算出します。- 算出した
shap_valuesを用いて棒グラフで特徴量重要度をプロットし、結果を分析します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the feature importance plot
____