beeswarmプロットで特徴量の影響を分析する
大学のデータサイエンティストとしての役割を続けながら、ここでは入学結果に対する各特徴量の影響をより詳しく分析していきます。入学判定に影響する主要因を特定することは重要でしたが、さらに踏み込むことで、これらの要因の変動が予測にどのように影響するかを具体的に理解できます。たとえば、テストスコアやCGPAの変化が合格確率にどう影響するかなど、意思決定や方針立案に役立つ、より明確な示唆が得られます。
shap ライブラリと学習データ（X_train、y_train）はすでに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を導出します。- 得られた
shap_valuesを用いて beeswarm プロットを描画し、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 beeswarm plot
____