服务器之家

服务器之家 > 正文

python解释模型库Shap实现机器学习模型输出可视化

时间:2022-03-06 00:19     来源/作者:Python学习与数据挖掘

解释一个机器学习模型是一个困难的任务,因为我们不知道这个模型在那个黑匣子里是如何工作的。解释是必需的,这样我们可以选择最佳的模型,同时也使其健壮。

安装所需的库

使用pip安装Shap开始。下面给出的命令可以做到这一点。

pip install shap

 

导入所需库

在这一步中,我们将导入加载数据、创建模型和创建该模型的可视化所需的库。

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)

 

创建模型

在这一步中,我们将创建机器学习模型。在本文中,我将创建一个XGBoost模型,但是你可以选择任何模型。我们将用于此模型的数据集是著名的糖尿病数据集,可从Kaggle下载。

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)

python解释模型库Shap实现机器学习模型输出可视化

 

创建可视化

现在我们将为shap创建解释程序,找出模型的shape值,并使用它们创建可视化效果。

explainer = shap.Explainer(xgb_model)
shap_values = explainer(X_test)

1、Bar Plot

shap.plots.bar(shap_values, max_display=10)

python解释模型库Shap实现机器学习模型输出可视化

2、队列图

shap.plots.bar(shap_values.cohorts(2).abs.mean(0))

python解释模型库Shap实现机器学习模型输出可视化

3、热图

shap.plots.heatmap(shap_values[1:100])

python解释模型库Shap实现机器学习模型输出可视化

4、瀑布图

shap.plots.waterfall(shap_values[0]) # For the first observation

python解释模型库Shap实现机器学习模型输出可视化

5、力图

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)

python解释模型库Shap实现机器学习模型输出可视化

6、决策图

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)

python解释模型库Shap实现机器学习模型输出可视化

这就是如何使用 Shap 创建与机器学习模型相关的可视化并对其进行分析。

以上就是python解释模型库Shap实现机器学习模型输出可视化的详细内容,更多关于python解释模型库Shap模型输出可视化的资料请关注服务器之家其它相关文章!

原文链接:https://blog.csdn.net/weixin_38037405/article/details/118341218

相关文章

热门资讯

2022年最旺的微信头像大全 微信头像2022年最新版图片
2022年最旺的微信头像大全 微信头像2022年最新版图片 2022-01-10
蜘蛛侠3英雄无归3正片免费播放 蜘蛛侠3在线观看免费高清完整
蜘蛛侠3英雄无归3正片免费播放 蜘蛛侠3在线观看免费高清完整 2021-08-24
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
yue是什么意思 网络流行语yue了是什么梗
yue是什么意思 网络流行语yue了是什么梗 2020-10-11
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
返回顶部