ÎncepețiÎncepe gratuit

Kernel Explainer pentru MLPRegressor

Întrucât ești deja familiarizat cu setul de date privind admiterile, vei folosi Kernel Explainer din SHAP pentru a explica un MLPRegressor antrenat pe aceste date. Această metodă îți permite să evaluezi critic modul în care diferitele caracteristici influențează predicțiile modelului și să verifici aceste concluzii în raport cu înțelegerea pe care o ai deja despre set de date.

X, care conține variabilele predictoare, și y, care conține deciziile de admitere, împreună cu model-ul MLPRegressor pre-antrenat, au fost încărcate în prealabil.

Acest exercițiu face parte din cursul

AI Explicabil în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează un Kernel Explainer SHAP folosind model-ul MLPRegressor și un rezumat k-means cu 10 eșantioane din X.
  • Generează shap_values pentru X.
  • Calculează media valorilor absolute SHAP pentru a identifica factorii cheie care influențează admiterile.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

import shap

# Create a SHAP Kernel 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 MLPRegressor')
plt.xticks(rotation=45)
plt.show()
Editează și rulează codul