เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

วิเคราะห์ผลกระทบของ feature ด้วย beeswarm plot

ในฐานะนักวิทยาศาสตร์ข้อมูลของมหาวิทยาลัย ขั้นตอนนี้จะเจาะลึกลงไปในการวิเคราะห์ผลกระทบของแต่ละ feature ที่มีต่อผลการรับสมัคร แม้ว่าการระบุปัจจัยสำคัญที่ส่งผลต่อการตัดสินใจรับสมัครนั้นมีความสำคัญ แต่การวิเคราะห์ในระดับที่ลึกขึ้นจะช่วยให้เข้าใจว่าการเปลี่ยนแปลงของปัจจัยเหล่านั้นส่งผลต่อการพยากรณ์อย่างไร ข้อมูลเชิงลึกนี้จะช่วยตอบคำถาม เช่น การเปลี่ยนแปลงของคะแนนสอบหรือ CGPA มีผลต่อโอกาสในการรับสมัครอย่างไร ซึ่งจะช่วยให้การตัดสินใจและการวางนโยบายมีความชัดเจนยิ่งขึ้น

ไลบรารี shap และข้อมูลชุดฝึก (X_train, y_train) ได้ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Explainable AI ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • หา shap_values โดยใช้ TreeExplainer
  • นำ shap_values ที่ได้มาพล็อต beeswarm plot และวิเคราะห์ผลลัพธ์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)

# Derive shap values
explainer = ____
shap_values = ____

# Plot the beeswarm plot
____
แก้ไขและรันโค้ด