Bắt đầu ngayBắt đầu miễn phí

Kernel explainer cho MLPClassifier

Neural network có thể rất chính xác, nhưng việc hiểu quyết định của chúng có thể khó do độ phức tạp. Bây giờ, bạn sẽ dùng SHAP Kernel Explainer để diễn giải một MLPClassifier được huấn luyện trên bộ dữ liệu thu nhập người lớn (adult income). Bạn sẽ khám phá trong ba đặc trưng — tuổi, trình độ học vấn, hoặc số giờ làm việc mỗi tuần — đặc trưng nào quan trọng nhất để dự đoán thu nhập theo mô hình này.

X chứa các biến dự báo và y chứa quyết định chấp nhận, cùng với MLPClassifier 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

Xem khóa học

Hướng dẫn bài tập

  • Khởi tạo SHAP Kernel Explainer với MLPClassifier model và bản tóm tắt k-means gồm 10 mẫu từ X.
  • Sinh shap_values cho X.
  • Tính giá trị SHAP tuyệt đối trung bình để xác định các yếu tố chính ảnh hưởng đến quyết định chấp nhận.

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 MLPClassifier')
plt.xticks(rotation=45)
plt.show()
Chỉnh sửa và Chạy Mã