Utvärdera påverkan med partiella beroendeplot
Med utgångspunkt i ditt tidigare arbete är nästa uppgift att undersöka hur 'CGPA' och 'University Rating' påverkar antagningsbeslut. Den tidigare analysen visade att 'CGPA' är den viktigaste prediktorn, medan 'University Rating' är den minst viktiga. Med en partiell beroendeplot kan vi se hur förändringar i dessa särdrag påverkar sannolikheten för antagning – vilket ger antagningskommittén mer nyanserade insikter om deras betydelse.
X_train och y_train har laddats in åt dig i förväg.
Den här övningen är en del av kursen
Förklarbar AI i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
from sklearn.ensemble import RandomForestRegressor
import shap
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Generate the partial dependence plot for CGPA
shap.partial_dependence_plot(____, ____, X_train)