申請錄取分析的特徵重要度圖
你是某大學資料科學團隊的一員，任務是評估哪些因素真正影響錄取決策、哪些較不重要。錄取委員會知道 CGPA 是關鍵，但他們希望驗證這點，同時找出其他可能影響結果的重要因素。使用 RandomForestRegressor model，你將視覺化特徵重要度，清楚辨識申請者背景中哪些面向最關鍵、哪些對決策影響較小。
shap 函式庫與訓練資料（X_train、y_train）已為你預先載入。
本練習屬於課程
Python 的 Explainable AI
練習說明
- 使用
TreeExplainer推導shap_values。 - 使用得到的
shap_values繪製長條圖呈現特徵重要度，並加以分析。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the feature importance plot
____