部分依存プロットで影響を評価する
これまでの取り組みを踏まえて、次は「CGPA」と「University Rating」が合否判定にどのように影響するかを探ります。先ほどの分析では、「CGPA」が最も重要な予測因子であり、「University Rating」が最も重要度が低いことが分かりました。部分依存プロットを使うと、これらの特徴量が変化したときに合格確率がどう変わるかを可視化でき、入試委員会に対してその影響をより丁寧に伝えられます。
X_train と 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
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。
from sklearn.ensemble import RandomForestRegressor
import shap
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Generate the partial dependence plot for CGPA
shap.partial_dependence_plot(____, ____, X_train)