招生分析的特征重要性可视化
作为一所大学数据科学团队的成员，您的任务是评估哪些因素真正驱动录取决策，哪些因素相对不重要。招生委员会知道 CGPA 起着关键作用，但他们希望验证这一点，并找出是否还有其他可能影响结果的重要因素。使用随机森林回归器 model，您将可视化特征重要性，清晰识别申请者画像中的哪些方面最重要、哪些对决策过程影响较小。
shap 库以及训练数据（X_train、y_train）已为您预加载。
本练习是课程的一部分
Python 可解释性 AI
练习说明
- 使用
TreeExplainer推导得到shap_values。 - 使用得到的
shap_values绘制柱状图来展示特征重要性，并进行分析。
交互式实操练习
通过完成这段示例代码来试试这个练习。
model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)
# Derive shap values
explainer = ____
shap_values = ____
# Plot the feature importance plot
____