Kom igångKom igång gratis

SHAP jämfört med modellspecifika metoder

Du ska jämföra förklaringskraften hos SHAP-värden från en Kernel Explainer med koefficienterna från logistisk regression – båda tränade på inkomstdatasetet. En hjälpfunktion, plot_importances(), anropas i slutet av skriptet för att rita upp viktighetsvärdena i samma diagram.

X med särdragen och y med etiketterna, samt den logistiska regressionsmodellen model, har förinsläkts åt dig. matplotlib.pyplot har importerats som plt.

Den här övningen är en del av kursen

Förklarbar AI i Python

Visa kurs

Övningsinstruktioner

  • Beräkna koefficienterna för den logistiska regressionsmodellen model.
  • Skapa en Kernel Explainer för att beräkna shap_values med hjälp av den logistiska regressionsmodellen model och en k-means-sammanfattning av 10 sampel från X.
  • Beräkna det genomsnittliga absoluta SHAP-värdet för att uppskatta varje särdags påverkan.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

import shap

# Extract model coefficients
coefficients = ____

# Compute SHAP values
explainer = ____
shap_values = explainer.shap_values(X)

# Calculate mean absolute SHAP values
mean_abs_shap = ____

plot_importances(coefficients, mean_abs_shap)
Redigera och kör kod