始める無料で始める

MLPRegressor 用の Kernel Explainer

入学判定データセットに慣れてきたところで、このデータに対して学習済みの MLPRegressor を SHAP の Kernel Explainer で説明してみましょう。これにより、各特徴量がモデルの予測にどのように影響しているかを丁寧に検証でき、これまでのデータ理解と照らし合わせて妥当性を確認できます。

予測変数を含む X、入学可否を含む y、そして学習済みの MLPRegressor model 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

コースを見る

演習の手順

  • MLPRegressor の model と、X から 10 サンプルの k-means サマリーを用いて、SHAP Kernel Explainer を作成します。
  • X に対する shap_values を生成します。
  • 平均絶対 SHAP 値を計算し、入学判定に影響する主要因を特定します。

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 Kernel 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 MLPRegressor')
plt.xticks(rotation=45)
plt.show()
コードを編集して実行