1. Learn
    2. /
  2. 课程
    3. /
  3. Python 可解释性 AI
Connected

道练习

SHAP 与模型特定方法对比

您将比较 Kernel Explainer 计算得到的 SHAP 值与逻辑回归系数在解释能力上的差异，这两者都在收入数据集上训练完成。脚本末尾会调用辅助函数 plot_importances()，将两种重要性绘制在同一张图上。

已为您预加载了包含特征的 X、包含标签的 y，以及逻辑回归 model。同时已将 matplotlib.pyplot 以 plt 名导入。

说明

100 XP
  • 计算逻辑回归 model 的系数。
  • 使用逻辑回归 model 和对 X 进行 k-means 汇总得到的 10 个样本，创建 Kernel Explainer 来计算 shap_values。
  • 计算 SHAP 值绝对值的平均值，用于估计每个特征的影响。