Ocena spójności wyjaśnień SHAP

Oceń spójność wyjaśnień ważności cech opartych na wartościach SHAP dla dwóch różnych podzbiorów zbioru danych dotyczącego ubezpieczeń.

Podzbory X1, X2, y1 i y2 zostały wcześniej wczytane wraz z model1 wytrenowanym na pierwszym podzbiorze oraz model2 wytrenowanym na drugim podzbiorze.

To ćwiczenie jest częścią kursu

Wyjaśnialne AI w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Oblicz shap_values1 i feature_importance1 dla model1.
Oblicz shap_values2 i feature_importance2 dla model2.
Oblicz wartość consistency między ważnościami cech.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Calculate SHAP values and feature importance for model1
explainer1 = shap.TreeExplainer(model1)
shap_values1 = ____
feature_importance1 = ____

# Calculate SHAP values and feature importance for model2
explainer2 = shap.TreeExplainer(model2)
shap_values2 = ___
feature_importance2 =____

# Consistency calculation
consistency = ____
print("Consistency between SHAP values:", consistency)

Edytuj i uruchom kod