ÎncepețiÎncepe gratuit

Kernel Explainer pentru MLPClassifier

Rețelele neuronale pot fi foarte precise, însă înțelegerea deciziilor lor este adesea dificilă din cauza complexității lor. Acum vei folosi SHAP Kernel Explainer pentru a interpreta un MLPClassifier antrenat pe setul de date privind veniturile adulților. Vei explora care dintre cele trei caracteristici — vârsta, educația sau orele lucrate pe săptămână — este cea mai importantă pentru predicția venitului conform acestui model.

X, care conține predictorii, și y, care conține deciziile de admitere, împreună cu MLPClassifier pre-antrenat model, au fost încărcate în prealabil.

Acest exercițiu face parte din cursul

AI Explicabil în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Instanțiază un SHAP Kernel Explainer folosind MLPClassifier model și un rezumat k-means de 10 eșantioane din X.
  • Generează shap_values pentru X.
  • Calculează media valorilor SHAP absolute 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 MLPClassifier')
plt.xticks(rotation=45)
plt.show()
Editează și rulează codul