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

道练习

用于 MLPClassifier 的 Kernel Explainer

神经网络往往非常准确，但由于模型复杂，理解其决策过程并不容易。现在，您将使用 SHAP 的 Kernel Explainer 来解释一个在 adult income 数据集上训练的 MLPClassifier。您将探索在该模型看来，年龄（age）、受教育程度（education）和每周工作小时数（hours worked per week）这 3 个特征中，哪个对预测收入最为重要。

已为您预加载：包含自变量的 X、包含录取决策的 y，以及已训练好的 MLPClassifier model。

说明

100 XP
  • 使用 MLPClassifier model 和从 X 进行 k-means 抽取的 10 个样本摘要来实例化一个 SHAP Kernel Explainer。
  • 为 X 生成 shap_values。
  • 计算 SHAP 值的平均绝对值，以找出影响录取决策的关键因素。