MLPRegressor를 위한 Kernel explainer
입학 데이터셋에 익숙하다는 전제하에, 이 데이터를 학습한 MLPRegressor를 설명하기 위해 SHAP의 Kernel Explainer를 사용해 보겠습니다. 이 방법을 통해 서로 다른 특성이 모델 예측에 어떤 영향을 주는지 비판적으로 평가하고, 그 통찰을 데이터셋에 대해 이미 가지고 있는 이해와 대조해 확인할 수 있어요.
예측 변수들이 들어 있는 X, 입학 결정이 들어 있는 y, 그리고 미리 학습된 MLPRegressor model이 미리 로드되어 있어요.
이 연습은 강의의 일부입니다
Python으로 배우는 Explainable AI
연습 안내
- MLPRegressor
model과X에서 10개 샘플로 만든 k-평균 요약을 사용해 SHAP Kernel Explainer를 만드세요. X에 대해shap_values를 생성하세요.- 절댓값 SHAP 값을 평균 내어 입학에 영향을 주는 핵심 요인을 파악하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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()