用 SHAP 找出关键的医疗费用预测因子
SHAP 值可以为机器学习模型的预测提供有见地的解释。现在，您将使用 SHAP 来解析 RandomForestRegressor model 中各个特征对保险费用预测的影响。
已为您预先加载了包含预测特征的 X、保险费用的 y，以及 RandomForest 回归器 model。
请注意，代码运行可能需要一些时间。
本练习是课程的一部分
Python 可解释性 AI
练习说明
- 为 RandomForest
model初始化名为explainer的 SHAP 树解释器。 - 计算数据集的
shap_values。 - 计算 SHAP 值的平均绝对值，以识别影响最大的特征。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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()