MLPClassifier için Kernel explainer
Sinir ağları çok doğru sonuçlar verebilir, ancak karmaşıklıkları nedeniyle kararlarını anlamak zor olabilir. Şimdi, yetişkin gelir veri kümesi üzerinde eğitilmiş bir MLPClassifier'ı yorumlamak için SHAP Kernel Explainer'dan yararlanacaksın. Bu modele göre geliri tahmin ederken üç özellikten—yaş, eğitim veya haftalık çalışma saati—hangisinin en önemli olduğunu keşfedeceksin.
Tahmin değişkenlerini içeren X, kabul kararlarını içeren y ve önceden eğitilmiş MLPClassifier model senin için önceden yüklendi.
Bu egzersiz
Python ile Açıklanabilir AI
kursunun bir parçasıdırEgzersiz talimatları
- MLPClassifier
modelveX'ten 10 örnekten oluşan k-means özetini 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 MLPClassifier')
plt.xticks(rotation=45)
plt.show()