เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

SHAP สำหรับการอธิบายระดับรายได้

ฝึกใช้ SHAP เพื่อวิเคราะห์และแสดงภาพว่าแต่ละฟีเจอร์มีอิทธิพลต่อการทำนายของโมเดลที่ผ่านการเทรนแล้วอย่างไร โดยใช้ตัวอย่างข้อมูลเดี่ยวจากชุดข้อมูลรายได้ พร้อมสร้าง waterfall plot เพื่อทำความเข้าใจการมีส่วนร่วมของแต่ละฟีเจอร์ได้อย่างลึกซึ้งยิ่งขึ้น

โมเดล KNN model ที่ผ่านการเทรนแล้วถูกโหลดไว้ให้แล้ว ชุดข้อมูลที่มีฟีเจอร์ต่าง ๆ ถูกโหลดไว้ใน X

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Explainable AI ด้วย Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

import shap

# Create the SHAP explainer
explainer = ____

# Compute SHAP values for the first instance in X
shap_values = ____

print(shap_values)
แก้ไขและรันโค้ด