НачатьНачать бесплатно

Kernel Explainer для MLPRegressor

Вы уже знакомы с набором данных о поступлении в учебные заведения — теперь применим SHAP Kernel Explainer, чтобы объяснить поведение модели MLPRegressor, обученной на этих данных. Этот метод поможет вам оценить, как различные признаки влияют на предсказания модели, и сопоставить полученные результаты с вашим пониманием данных.

Предикторы X, целевая переменная y с решениями о зачислении, а также предобученная модель MLPRegressor model уже загружены для вас.

Это упражнение является частью курса

Объяснимый ИИ на Python

Посмотреть курс

Инструкции к упражнению

  • Создайте SHAP Kernel Explainer, используя модель MLPRegressor model и сводку k-средних из 10 выборок набора данных X.
  • Вычислите shap_values для X.
  • Рассчитайте средние абсолютные значения SHAP, чтобы определить ключевые факторы, влияющие на решения о зачислении.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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()
Редактировать и запускать код