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

ćwiczenie

Wykresy ważności cech w analizie przyjęć na studia

Jako członek zespołu data science na uczelni masz za zadanie ocenić, które czynniki rzeczywiście wpływają na decyzje o przyjęciu na studia, a które mają mniejsze znaczenie. Komisja rekrutacyjna wie, że CGPA odgrywa kluczową rolę, ale chce to potwierdzić i odkryć inne ważne czynniki, które mogą kształtować wyniki. Korzystając z modelu RandomForestRegressor, zwizualizujesz ważność cech, aby jednoznacznie wskazać, które elementy profilu kandydatów mają największy wpływ na decyzję rekrutacyjną, a które – mniejszy.

Biblioteka shap oraz dane treningowe (X_train, y_train) zostały już wczytane.

Instrukcje

100 XP
  • Oblicz shap_values za pomocą TreeExplainer.
  • Użyj uzyskanych shap_values, aby zwizualizować ważność cech na wykresie słupkowym i przeanalizuj wyniki.