НачатьНачать бесплатно

Поиск ключевых предикторов медицинских расходов с помощью SHAP

Значения SHAP позволяют наглядно объяснить предсказания моделей машинного обучения. В этом упражнении вы воспользуетесь SHAP, чтобы определить, как различные признаки влияют на предсказания страховых расходов в модели RandomForestRegressor model.

Для вас уже загружены: X с признаками-предикторами, y со значениями страховых расходов и регрессор RandomForest model.

Обратите внимание: выполнение кода может занять некоторое время.

Это упражнение является частью курса

Объяснимый ИИ на Python

Посмотреть курс

Инструкции к упражнению

  • Инициализируйте древовидный объяснитель SHAP с именем explainer для модели RandomForest model.
  • Вычислите shap_values для набора данных.
  • Рассчитайте среднее абсолютных значений SHAP, чтобы выявить наиболее влиятельные признаки.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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()
Редактировать и запускать код