您好,登錄后才能下訂單哦!
本篇內(nèi)容主要講解“python解釋模型庫Shap怎么實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型輸出可視化”,感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷,實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“python解釋模型庫Shap怎么實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型輸出可視化”吧!
使用pip安裝Shap開始。下面給出的命令可以做到這一點(diǎn)。
pip install shap
在這一步中,我們將導(dǎo)入加載數(shù)據(jù)、創(chuàng)建模型和創(chuàng)建該模型的可視化所需的庫。
df = pd.read_csv('/content/Diabetes.csv') features = ['Pregnancies', 'Glucose','BloodPressure','SkinThickness','Insulin','BMI','DiabetesPedigreeFunction','Age'] Y = df['Outcome'] X = df[features] X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 1234) xgb_model = xgb.XGBRegressor(random_state=42) xgb_model.fit(X_train, Y_train)
在這一步中,我們將創(chuàng)建機(jī)器學(xué)習(xí)模型。在本文中,我將創(chuàng)建一個XGBoost模型,但是你可以選擇任何模型。我們將用于此模型的數(shù)據(jù)集是著名的糖尿病數(shù)據(jù)集,可從Kaggle下載。
df = pd.read_csv('/content/Diabetes.csv') features = ['Pregnancies', 'Glucose','BloodPressure','SkinThickness','Insulin','BMI','DiabetesPedigreeFunction','Age'] Y = df['Outcome'] X = df[features] X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 1234) xgb_model = xgb.XGBRegressor(random_state=42) xgb_model.fit(X_train, Y_train)
現(xiàn)在我們將為shap創(chuàng)建解釋程序,找出模型的shape值,并使用它們創(chuàng)建可視化效果。
explainer = shap.Explainer(xgb_model) shap_values = explainer(X_test)
shap.plots.bar(shap_values, max_display=10)
shap.plots.bar(shap_values.cohorts(2).abs.mean(0))
shap.plots.heatmap(shap_values[1:100])
shap.plots.waterfall(shap_values[0]) # For the first observation
shap.initjs() explainer = shap.TreeExplainer(xgb_model) shap_values = explainer.shap_values(X_test) def p(j): return(shap.force_plot(explainer.expected_value, shap_values[j,:], X_test.iloc[j,:])) p(0)
shap_values = explainer.shap_values(X_test)[1] print("The expected value is ", expected_value) print("The final prediction is ", xgb_model.predict(X_test)[1]) shap.decision_plot(expected_value, shap_values, X_test)
到此,相信大家對“python解釋模型庫Shap怎么實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型輸出可視化”有了更深的了解,不妨來實(shí)際操作一番吧!這里是億速云網(wǎng)站,更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢,關(guān)注我們,繼續(xù)學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。