Avaliação do impacto com gráficos de dependência parcial
Com base nas suas contribuições anteriores, sua próxima tarefa é explorar como "CGPA" e "University Rating" influenciam as decisões de admissão. Nossa análise anterior mostrou que "CGPA" é o indicador mais importante, enquanto "University Rating" é o menos importante. Usando um gráfico de dependência parcial, podemos ver como as alterações nesses recursos afetam a probabilidade de admissão, fornecendo ao comitê de admissões percepções diferenciadas sobre seu impacto.
X_train e y_train foram pré-carregados para você.
Este exercício faz parte do curso
IA explicável em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
from sklearn.ensemble import RandomForestRegressor
import shap
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Generate the partial dependence plot for CGPA
shap.partial_dependence_plot(____, ____, X_train)