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

道练习

用于 MLPRegressor 的 Kernel Explainer

基于您对录取数据集的熟悉，您将使用 SHAP 的 Kernel Explainer 来解释在该数据上训练的 MLPRegressor。此方法可帮助您审视不同特征如何影响模型预测，并将这些见解与您对数据集的既有理解进行核对。

包含自变量的 X、包含录取结果的 y，以及预训练好的 MLPRegressor model，均已为您预加载。

说明

100 XP
  • 使用 MLPRegressor model 和来自 X 的 10 个样本的 k-means 摘要，创建一个 SHAP Kernel Explainer。
  • 为 X 生成 shap_values。
  • 计算 SHAP 绝对值的均值，以识别影响录取预测的关键因素。