ML之shap:基于boston波士顿房价回归预测数据集利用shap值对XGBoost模型实现可解释性案例
Posted 一个处女座的程序猿
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了ML之shap:基于boston波士顿房价回归预测数据集利用shap值对XGBoost模型实现可解释性案例相关的知识,希望对你有一定的参考价值。
ML之shap:基于boston波士顿房价回归预测数据集利用shap值对XGBoost模型实现可解释性案例
目录
基于boston波士顿房价回归预测数据集利用shap值对XGBoost模型实现可解释性案例
# 4.3、局部独立图可视化某特征的变化如何影响模型的输出及该特征值的分布
基于boston波士顿房价回归预测数据集利用shap值对XGBoost模型实现可解释性案例
# 1、定义数据集
更新中……
# 2、数据集预处理
更新中……
# 4、基于XGBR模型实现shap值分析
# 4.1、模型建立并训练
# 4.2、基于模型本身输出特征重要性
XGBR_importance_dict: [('DIS', 57), ('RM', 42), ('LSTAT', 39), ('PTRATIO', 29), ('NOX', 28), ('TAX', 28), ('CRIM', 23), ('B', 15), ('AGE', 13), ('RAD', 8), ('INDUS', 8), ('CHAS', 4), ('ZN', 1)]
# 4.3、局部独立图可视化某特征的变化如何影响模型的输出及该特征值的分布
# 4.4、利用Shap值解释XGBR模型
# 4.5、基于XGBoost模型实现Shap值可视化分析
# (1)、利用局部独立图计算shap值
# (2)、某列样本值(特征值)、及其对应shap值散点图可视化
# (3)、对所有样本中每个特征计算shap平均绝对值/最大绝对值条形图可视化
# (4)、对所有样本中每个特征计算shap平均绝对值蜂群图可视化
# (5)、对所有样本中每个特征计算shap平均绝对值热图可视化
# (6)、基于cluste算法处理相关性的特征并可视化
以上是关于ML之shap:基于boston波士顿房价回归预测数据集利用shap值对XGBoost模型实现可解释性案例的主要内容,如果未能解决你的问题,请参考以下文章
《用Python玩转数据》项目—线性回归分析入门之波士顿房价预测
TF之LSTM/GRU:基于tensorflow框架对boston房价数据集分别利用LSTMGRU算法(batch_size调优对比)实现房价回归预测案例