1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wyjaśnialne AI w Pythonie
Connected

ćwiczenie

SHAP a podejścia specyficzne dla modelu

Porównasz siłę wyjaśniania wartości SHAP z Kernel Explainera ze współczynnikami regresji logistycznej – oba modele wytrenowane na zbiorze danych o dochodach. Na końcu skryptu wywoływana jest funkcja pomocnicza plot_importances(), która nanosi ważności cech na jeden wykres.

Zmienna X zawierająca cechy, y zawierająca etykiety oraz model regresji logistycznej model zostały wcześniej załadowane. Biblioteka matplotlib.pyplot została zaimportowana jako plt.

Instrukcje

100 XP
  • Oblicz współczynniki modelu regresji logistycznej model.
  • Utwórz Kernel Explainer, aby wyznaczyć shap_values – użyj modelu regresji logistycznej model oraz podsumowania k-średnich złożonego z 10 próbek ze zbioru X.
  • Oblicz średnie bezwzględne wartości SHAP, aby oszacować wpływ każdej cechy.