MLPRegressor 的 Kernel Explainer
基於你對 admissions 資料集的熟悉程度，你將使用 SHAP 的 Kernel Explainer 來解釋一個以此資料訓練的 MLPRegressor。這個方法能讓你深入評估不同特徵如何影響模型預測，並把這些洞見與你對資料集的既有理解相互驗證。
已為你預先載入 X（包含自變數）與 y（包含錄取決策），以及事先訓練好的 MLPRegressor 模型 model。
本練習屬於課程
Python 的 Explainable AI
練習說明
- 使用 MLPRegressor
model，以及從X以 k-means 取得的 10 個樣本摘要，建立一個 SHAP Kernel Explainer。 - 針對
X產生shap_values。 - 計算 SHAP 絕對值的平均，以找出影響錄取結果的關鍵因素。
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 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()