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。

本练习是课程的一部分

Python 可解释性 AI

查看课程

练习说明

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。

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 Kernel 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 MLPRegressor')
plt.xticks(rotation=45)
plt.show()

编辑并运行代码