用蜂群圖分析特徵影響
延續你在大學擔任資料科學家的角色，現在要把重點轉向更細緻的分析：針對單一特徵對錄取結果的影響做更深入的探討。先前辨識影響錄取決策的關鍵因素很重要，但更進一步地瞭解這些因素的變動如何具體影響模型預測，同樣關鍵。這些額外的洞見能幫助回答像是測驗分數或 CGPA 變動，如何改變被錄取機率等問題，為決策與政策建議提供更清晰的依據。
已為你預先載入 shap 函式庫與訓練資料（X_train、y_train）。
本練習屬於課程
Python 的 Explainable AI
練習說明
- 使用
TreeExplainer推導出shap_values。 - 使用取得的
shap_values繪製蜂群圖並進行分析。
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 beeswarm plot
____