beeswarm 플롯으로 특성 효과 분석하기
대학의 데이터 사이언티스트 역할을 이어서, 이제는 개별 특성이 입학 결과에 미치는 영향을 더 자세히 살펴보려고 합니다. 입학 결정에 영향을 주는 핵심 요인을 파악하는 것도 중요하지만, 한 걸음 더 나아가 이러한 요인들의 변화가 예측에 구체적으로 어떤 영향을 주는지 이해하는 것이 필요해요. 이를 통해 시험 점수나 CGPA가 변할 때 입학 가능성이 어떻게 달라지는지와 같은 질문에 답할 수 있어, 더 근거 있는 의사결정과 정책 제안을 하는 데 도움이 됩니다.
shap 라이브러리와 학습 데이터(X_train, y_train)는 미리 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Explainable AI
연습 안내
TreeExplainer를 사용해shap_values를 구하세요.- 구한
shap_values로 beeswarm 플롯을 그려 분석하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the beeswarm plot
____