ÎncepețiÎncepe gratuit

SHAP vs. abordări specifice modelului

Vei compara puterea explicativă a valorilor SHAP dintr-un Kernel Explainer cu coeficienții regresiei logistice, ambele antrenate pe setul de date privind venitul. O funcție auxiliară plot_importances() este apelată la sfârșitul scriptului pentru a reprezenta grafic importanțele pe același plot.

X conținând caracteristicile și y conținând etichetele, precum și modelul de regresie logistică model, au fost preîncărcate. matplotlib.pyplot a fost importat ca plt.

Acest exercițiu face parte din cursul

AI Explicabil în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează coeficienții modelului de regresie logistică model.
  • Creează un Kernel Explainer pentru a calcula shap_values folosind modelul de regresie logistică model și un rezumat k-means din 10 eșantioane extrase din X.
  • Calculează media valorilor absolute SHAP pentru a estima impactul fiecărei caracteristici.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

import shap

# Extract model coefficients
coefficients = ____

# Compute SHAP values
explainer = ____
shap_values = explainer.shap_values(X)

# Calculate mean absolute SHAP values
mean_abs_shap = ____

plot_importances(coefficients, mean_abs_shap)
Editează și rulează codul