BaşlayınÜcretsiz başlayın

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, kursun bir parçasıdır

Python ile Açıklanabilir AI

Kursa Göz Atın

Egzersiz talimatları

  • MLPRegressor model ve X'ten 10 örnek içeren bir k-means özeti kullanarak bir SHAP Kernel Explainer oluştur.
  • X için shap_values üret.
  • Kabulü etkileyen temel faktörleri belirlemek için ortalama mutlak SHAP değerlerini hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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()
Kodu Düzenle ve Çalıştır