评估 SHAP 解释的一致性

使用 SHAP 值评估两个不同保险数据集子集上的特征重要性解释是否一致。

已为您预加载子集 X1、X2、y1 和 y2，以及分别在第一、第二个子集上训练的 model1 和 model2。

本练习是课程的一部分

Python 可解释性 AI

查看课程

练习说明

计算 model1 的 shap_values1 和 feature_importance1。
计算 model2 的 shap_values2 和 feature_importance2。
计算特征重要性之间的 consistency。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Calculate SHAP values and feature importance for model1
explainer1 = shap.TreeExplainer(model1)
shap_values1 = ____
feature_importance1 = ____

# Calculate SHAP values and feature importance for model2
explainer2 = shap.TreeExplainer(model2)
shap_values2 = ___
feature_importance2 =____

# Consistency calculation
consistency = ____
print("Consistency between SHAP values:", consistency)

编辑并运行代码