Encontrar os principais indicadores de custos médicos com SHAP
Os valores do SHAP fornecem explicações perspicazes para as previsões feitas pelos modelos de aprendizado de máquina. Agora, você utilizará o SHAP para decifrar a influência de vários recursos em um model RandomForestRegressor na previsão de taxas de seguro.
X com os recursos de previsão e y com as taxas de seguro, juntamente com o model regressor RandomForest, foram pré-carregados para você.
Observe que o código pode levar algum tempo para ser executado.
Este exercício faz parte do curso
IA explicável em Python
Instruções de exercício
- Inicialize um explicador de árvore SHAP chamado
explainerpara omodelRandomForest. - Calcule
shap_valuespara o conjunto de dados. - Calcule a média absoluta dos valores de SHAP para identificar os recursos mais influentes.
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
import shap
# Create a SHAP Tree Explainer
explainer = ____
# Calculate SHAP values
shap_values = ____
# Calculate mean absolute SHAP values
mean_abs_shap = ____
plt.bar(X.columns, mean_abs_shap)
plt.title('Mean Absolute SHAP Values for RandomForest')
plt.xticks(rotation=45)
plt.show()