Tìm các biến dự báo chi phí y tế quan trọng với SHAP
Giá trị SHAP mang đến lời giải thích sâu sắc cho các dự đoán của mô hình Machine Learning. Bây giờ, bạn sẽ dùng SHAP để giải mã mức ảnh hưởng của các đặc trưng khác nhau trong RandomForestRegressor model khi dự đoán chi phí bảo hiểm.
X (các đặc trưng dự báo) và y (chi phí bảo hiểm), cùng với RandomForest regressor model, đã được nạp sẵn cho bạn.
Lưu ý: việc chạy mã có thể mất một chút thời gian.
Bài tập này là một phần của khóa học
Explainable AI trong Python
Hướng dẫn bài tập
- Khởi tạo một SHAP tree explainer tên
explainercho RandomForestmodel. - Tính
shap_valuescho tập dữ liệu. - Tính giá trị SHAP tuyệt đối trung bình để xác định các đặc trưng có ảnh hưởng lớn nhất.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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()