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

ćwiczenie

Kernel Explainer dla MLPRegressor

Znasz już zbiór danych dotyczący przyjęć na studia – teraz wykorzystasz SHAP Kernel Explainer, aby wyjaśnić działanie modelu MLPRegressor wytrenowanego na tych danych. Ta metoda pozwoli ci ocenić, jak poszczególne cechy wpływają na predykcje modelu, i zweryfikować te wnioski w oparciu o znajomość zbioru danych.

Zmienna X zawierająca predyktory oraz y zawierająca decyzje o przyjęciu, a także wstępnie wytrenowany model MLPRegressor model, zostały już wczytane.

Instrukcje

100 XP
  • Utwórz SHAP Kernel Explainer, używając modelu MLPRegressor model oraz podsumowania k-średnich obejmującego 10 próbek z X.
  • Wygeneruj shap_values dla X.
  • Oblicz średnie bezwzględne wartości SHAP, aby wskazać kluczowe czynniki wpływające na decyzje o przyjęciu.