ПочатиПочніть безкоштовно

Пошук ключових предикторів медичних витрат за допомогою SHAP

Значення SHAP дають змістовні пояснення до прогнозів, які роблять моделі машинного навчання. Тепер ви використаєте SHAP, щоб розібратися, як різні ознаки у моделі RandomForestRegressor model впливають на прогноз страхових нарахувань.

X з предикторними ознаками та y зі страховими нарахуваннями, а також регресор RandomForest model уже завантажено для вас.

Зверніть увагу, що виконання коду може тривати певний час.

Ця вправа є частиною курсу

Пояснюваний ШІ в Python

Переглянути курс

Інструкції до вправи

  • Ініціалізуйте дерево-пояснювач SHAP з назвою explainer для моделі RandomForest model.
  • Обчисліть shap_values для набору даних.
  • Обчисліть середні абсолютні значення SHAP, щоб визначити найвпливовіші ознаки.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

import shap

# Create a SHAP Tree 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 RandomForest')
plt.xticks(rotation=45)
plt.show()
Редагувати та запускати код