用 SHAP 找出關鍵的醫療費用預測因子
SHAP 值能為機器學習模型的預測提供有洞見的解釋。現在你要運用 SHAP，解析在 RandomForestRegressor model 中，各個特徵對保險費用預測的影響力。
已為你預先載入含預測特徵的 X、保險費用的 y，以及 RandomForest 迴歸器 model。
請注意，這段程式碼執行可能需要一些時間。
本練習屬於課程
Python 的 Explainable AI
練習說明
- 為 RandomForest
model初始化一個名為explainer的 SHAP tree explainer。 - 對資料集計算
shap_values。 - 計算 SHAP 絕對值的平均數，以找出影響力最大的特徵。
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。
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()