Analiza wpływu cech za pomocą wykresów beeswarm
Kontynuując pracę jako analityk danych na uczelni, skupiasz się teraz na bardziej szczegółowej analizie wpływu poszczególnych cech na wyniki rekrutacji. Identyfikacja kluczowych czynników wpływających na decyzje rekrutacyjne to ważny krok – ale głębsza analiza pozwala zrozumieć, w jaki sposób zmiany tych czynników przekładają się na konkretne przewidywania modelu. Dzięki temu można odpowiedzieć na pytania takie jak: jak zmiany wyników testów lub średniej ocen (CGPA) wpływają na prawdopodobieństwo przyjęcia kandydata? To cenna wiedza, która ułatwia podejmowanie świadomych decyzji i formułowanie rekomendacji.
Biblioteka shap oraz dane treningowe (X_train, y_train) zostały już wczytane.
To ćwiczenie jest częścią kursu
Wyjaśnialne AI w Pythonie
Instrukcje do ćwiczenia
- Oblicz
shap_valuesprzy użyciuTreeExplainer. - Korzystając z obliczonych
shap_values, wygeneruj wykres beeswarm i przeanalizuj jego wyniki.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the beeswarm plot
____