เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมินความสอดคล้องของคำอธิบาย SHAP

ประเมินความสอดคล้องของคำอธิบายความสำคัญของฟีเจอร์โดยใช้ SHAP values จากชุดข้อมูลย่อยสองชุดที่แตกต่างกันของชุดข้อมูลประกันภัย

ชุดข้อมูลย่อย X1, X2, y1 และ y2 ถูกโหลดไว้ให้แล้ว พร้อมกับ model1 ที่ฝึกบนชุดข้อมูลชุดแรก และ model2 ที่ฝึกบนชุดข้อมูลชุดที่สอง

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Explainable AI ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณ shap_values1 และ feature_importance1 สำหรับ model1
  • คำนวณ shap_values2 และ feature_importance2 สำหรับ model2
  • คำนวณ consistency ระหว่างค่าความสำคัญของฟีเจอร์ทั้งสอง

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Calculate SHAP values and feature importance for model1
explainer1 = shap.TreeExplainer(model1)
shap_values1 = ____
feature_importance1 = ____

# Calculate SHAP values and feature importance for model2
explainer2 = shap.TreeExplainer(model2)
shap_values2 = ___
feature_importance2 =____

# Consistency calculation
consistency = ____
print("Consistency between SHAP values:", consistency)
แก้ไขและรันโค้ด