Kernel explainer cho MLPRegressor
Với sự quen thuộc của bạn về bộ dữ liệu tuyển sinh, bạn sẽ dùng Kernel Explainer của SHAP để giải thích một MLPRegressor được huấn luyện trên dữ liệu này. Phương pháp này giúp bạn đánh giá một cách phản biện cách các đặc trưng khác nhau ảnh hưởng đến dự đoán của mô hình và đối chiếu những hiểu biết này với hiểu biết sẵn có của bạn về bộ dữ liệu.
X chứa các biến dự báo và y chứa quyết định trúng tuyển, cùng với MLPRegressor model đã được huấn luyện sẵn, đã được nạp sẵn cho bạn.
Bài tập này là một phần của khóa học
Explainable AI trong Python
Hướng dẫn bài tập
- Tạo một SHAP Kernel Explainer dùng MLPRegressor
modelvà phần tóm tắt k-means gồm 10 mẫu từX. - Sinh
shap_valueschoX. - Tính giá trị SHAP tuyệt đối trung bình để xác định các yếu tố chính ảnh hưởng đến kết quả trúng tuyển.
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 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()