Оцінювання впливу за допомогою графіків часткової залежності
Спираючись на попередні кроки, ваше наступне завдання — дослідити, як «CGPA» і «University Rating» впливають на рішення про зарахування. У попередньому аналізі ми побачили, що «CGPA» — найважливіший предиктор, тоді як «University Rating» — найменш важливий. Використовуючи графік часткової залежності, можна побачити, як зміни цих ознак впливають на ймовірність зарахування, надаючи приймальній комісії більш тонке розуміння їхнього внеску.
X_train і y_train уже завантажено для вас.
Ця вправа є частиною курсу
Пояснюваний ШІ в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
from sklearn.ensemble import RandomForestRegressor
import shap
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Generate the partial dependence plot for CGPA
shap.partial_dependence_plot(____, ____, X_train)