MLPRegressor için Kernel explainer
Kabul veri kümesine aşinalığın sayesinde, bu veriler üzerinde eğitilmiş bir MLPRegressor'ı açıklamak için SHAP'in Kernel Explainer'ını kullanacaksın. Bu yöntem, farklı özelliklerin modelin tahminlerini nasıl etkilediğini eleştirel biçimde değerlendirmeni ve bulgularını veri kümesiyle ilgili mevcut anlayışınla karşılaştırarak doğrulamanı sağlar.
Tahmin değişkenlerini içeren X, kabul kararlarını içeren y ve önceden eğitilmiş MLPRegressor model senin için önceden yüklendi.
Bu egzersiz
Python ile Açıklanabilir AI
kursunun bir parçasıdırEgzersiz talimatları
- MLPRegressor
modelveX'ten 10 örnek içeren bir k-means özeti kullanarak bir SHAP Kernel Explainer oluştur. Xiçinshap_valuesüret.- Kabulü etkileyen temel faktörleri belirlemek için ortalama mutlak SHAP değerlerini hesapla.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
import shap
# Create a SHAP Kernel Explainer
explainer = ____
# Calculate SHAP values
shap_values = ____
# Calculate mean absolute SHAP values
mean_abs_shap = ____
plt.bar(X.columns, mean_abs_shap)
plt.title('Mean Absolute SHAP Values for MLPRegressor')
plt.xticks(rotation=45)
plt.show()