ПочатиПочніть безкоштовно

Kernel explainer для MLPRegressor

Враховуючи вашу обізнаність із набором даних про вступ, ви застосуєте Kernel Explainer з SHAP, щоб пояснити MLPRegressor, навчений на цих даних. Цей підхід дасть змогу критично оцінити, як різні ознаки впливають на передбачення моделі, і звірити ці інсайти з вашим поточним розумінням набору даних.

X з предикторами, y з рішеннями про зарахування, а також попередньо навчений MLPRegressor model уже підготовлено для вас.

Ця вправа є частиною курсу

Пояснюваний ШІ в Python

Переглянути курс

Інструкції до вправи

  • Створіть SHAP Kernel Explainer, використавши MLPRegressor model і k-means зведення з 10 зразків із X.
  • Згенеруйте shap_values для X.
  • Обчисліть середні модулі значень SHAP, щоб визначити ключові чинники, що впливають на зарахування.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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()
Редагувати та запускати код