SHAP を使って医療費の主要な予測因子を見つける
SHAP 値は、Machine Learning モデルの予測に対して有益な説明を提供します。ここでは、RandomForestRegressor の model における各特徴量が保険料の予測にどの程度影響しているかを、SHAP を用いて解き明かします。
予測に用いる特徴量の X、保険料の y、そして RandomForest 回帰器の model はすでに読み込まれています。
コードの実行には時間がかかる場合があります。
この演習はコースの一部です
Pythonで学ぶExplainable AI
演習の手順
- RandomForest の
modelに対して、explainerという名前の SHAP TreeExplainer を初期化します。 - データセットに対する
shap_valuesを計算します。 - 平均絶対 SHAP 値を算出し、影響の大きい特徴量を特定します。
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。
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()