SHAP으로 핵심 의료 청구 예측 변수 찾기
SHAP 값은 Machine Learning 모델의 예측을 이해하는 데 유용한 설명을 제공합니다. 이제 SHAP을 활용해 RandomForestRegressor model에서 여러 특성이 보험 청구 금액 예측에 어떤 영향을 미치는지 해석해 보세요.
예측 변수들이 담긴 X와 보험 청구 금액인 y, 그리고 RandomForest 회귀 model이 미리 로드되어 있습니다.
코드 실행에 다소 시간이 걸릴 수 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Explainable AI
연습 안내
- RandomForest
model에 대해explainer라는 이름의 SHAP tree explainer를 초기화하세요. - 데이터셋에 대한
shap_values를 계산하세요. - 평균 절댓값 SHAP 값을 계산하여 가장 영향력이 큰 특성을 파악하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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()