Análise dos efeitos de recursos com gráficos beeswarm
Continuando sua função de cientista de dados na universidade, você agora muda o foco para uma análise mais detalhada dos efeitos de características individuais nos resultados das admissões. Embora a identificação dos principais fatores que influenciam as decisões de admissão tenha sido crucial, um aprofundamento nos permite entender como as variações nesses fatores afetam especificamente as previsões. Esse insight adicional ajudará a responder perguntas como, por exemplo, como as alterações nas pontuações dos testes ou no CGPA influenciam a probabilidade de admissão, fornecendo um quadro mais claro para a tomada de decisões informadas e recomendações de políticas.
A biblioteca shap e os dados de treinamento (X_train, y_train) foram pré-carregados para você.
Este exercício faz parte do curso
IA explicável em Python
Instruções do exercício
- Derive
shap_valuesusando umTreeExplainer. - Use o
shap_valuesderivado para traçar o gráfico de beeswarm e analisá-lo.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the beeswarm plot
____