Evaluarea impactului cu grafice de dependență parțială
Pornind de la contribuțiile anterioare, urmează să explorezi cum influențează CGPA și University Rating deciziile de admitere. Analiza anterioară a arătat că CGPA este cel mai important predictor, în timp ce University Rating este cel mai puțin important. Folosind un grafic de dependență parțială, poți vedea cum afectează modificările acestor caracteristici probabilitatea de admitere, oferind comisiei de admitere o perspectivă mai nuanțată asupra impactului lor.
X_train și y_train au fost preîncărcate pentru tine.
Acest exercițiu face parte din cursul
AI Explicabil în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
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)