Nuevos gráficos SHAP Violín y mapa de calor
Nuevos gráficos SHAP Violín y mapa de calor' can be condensed as 'Nuevos gráficos SHAP'.
Lo que los gráficos en SHAP versión 0.42.1 pueden decirte sobre tu modelo
Una de las mayores preocupaciones acerca de SHAP tiene que ver con el paquete en sí. No se había actualizado en un tiempo y los problemas en GitHub se estaban acumulando. Para alivio de muchos usuarios, los contribuyentes han estado más activos. De hecho, nos han dado nuevos gráficos: Violin y Heatmap. Haremos lo siguiente:
- Proporcionar el código para estos gráficos
- Discutir qué nuevas ideas podemos obtener de ellos
También puedes ver esta introducción sobre el tema:
Gráficos SHAP existentes
Continuamos desde un tutorial anterior de SHAP. Puedes encontrarlo en el artículo a continuación. También puedes encontrar el proyecto completo en GitHub. Para usar los nuevos gráficos, deberás actualizar el paquete SHAP. Estoy usando la versión 0.42.1.
Introducción a SHAP con Python
Cómo crear e interpretar gráficos SHAP: waterfall, force, mean SHAP, beeswarm y dependence
towardsdatascience.com
En resumen, utilizamos SHAP para explicar un modelo construido utilizando el conjunto de datos de abalone. Este tiene 4,177 instancias y puedes ver ejemplos de las características a continuación. Utilizamos estas 8 características para predecir y – el número de anneles en la concha de abalone.
- ¿Cómo entender fácilmente el código de Python de los demás?
- Investigadores de Cambridge están desarrollando la incertidumbre en...
- Mejores herramientas de IA para YouTubers en 2023
El tutorial continúa calculando los valores SHAP y mostrando varios gráficos SHAP. Tener una comprensión de algunos de estos es útil para entender los nuevos gráficos SHAP. Veremos que proporcionan información similar.
El primero es el gráfico de mean SHAP que se ve en Figura 1. Para cada característica, esto nos da el valor de mean SHAP absoluto en todas las instancias. Las características que han hecho contribuciones significativas a las predicciones tendrán un alto valor de mean SHAP. En otras palabras, este gráfico nos dice qué características son más importantes en general.
