1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Explainable AI trong Python
Connected

Bài tập

SHAP vs. cách tiếp cận đặc thù mô hình

Bạn sẽ so sánh sức mạnh giải thích của các giá trị SHAP từ Kernel Explainer với các hệ số hồi quy logistic, cả hai đều được huấn luyện trên bộ dữ liệu thu nhập. Một hàm hỗ trợ plot_importances() sẽ được gọi ở cuối script để vẽ tầm quan trọng trên cùng một biểu đồ.

X chứa các đặc trưng và y chứa nhãn, cùng với mô hình hồi quy logistic model, đã được nạp sẵn cho bạn. matplotlib.pyplot đã được import là plt.

Hướng dẫn

100 XP
  • Tính các hệ số của mô hình hồi quy logistic model.
  • Tạo Kernel Explainer để tính shap_values bằng mô hình hồi quy logistic model và phần tóm tắt k-means gồm 10 mẫu từ X.
  • Tính giá trị SHAP trung bình theo trị tuyệt đối để ước lượng mức ảnh hưởng của từng đặc trưng.