Публикации по теме 'shap'


SHAP для категориальных признаков
Суммирование значений SHAP категориальных объектов, которые были преобразованы с помощью одноразовых кодировок. Категориальные признаки необходимо преобразовать, прежде чем их можно будет использовать в модели. Горячее кодирование — распространенный способ сделать это: мы получаем бинарную переменную для каждой категории. Это нормально, пока не доходит до понимания модели с использованием SHAP. Каждая бинарная переменная будет иметь свое значение SHAP. Это затрудняет понимание..
Управляемый данными подход к сегментации продуктов с помощью Python.
Сегментация продуктов является важным компонентом и инструментом для интернет-магазинов. Сегментация, ориентированная на продукт, часто используется интернет-магазинами в качестве основы для отслеживания деятельности по производительности, связанной с продуктом, и выявления потенциальных узких мест цепочки поставок и запасов. Сегментация продуктов может, по сути, помочь управлять бизнес-стратегиями, организуя продукты на основе потребностей, требований и ожиданий клиентов. В этом..
Использование интерпретации модели с помощью SHAP для понимания того, что произошло на Титанике
Примечание . Это вторая часть из двух частей, посвященных анализу и пониманию набора данных Titanic. Часть 1 Вы найдете здесь . Вступление В прошлом посте я провел статистический анализ набора данных Титаника, чтобы ответить на вопрос, влияет ли социально-экономический класс пассажиров на их вероятность выживания. Тест статистической значимости показал, что переменная Pclass , которая представляет собой класс каждого человека, который я использовал в качестве показателя..
Объяснимый ИИ: разверните черный ящик
Укрепите доверие к машинному обучению с помощью XAI, Guide to SHAP & SHapley Values С появлением ИИ, который становится все более продвинутым и становится важной частью нашей жизни, опасность возникает, когда мы не понимаем эффектов и побочных эффектов ИИ. Важно понимать, как различать факты и фантазии в процессе принятия решений ИИ, сохраняя при этом эффективность ИИ и обеспечивая максимальную прозрачность результатов. Всего этого можно достичь с помощью объяснимого ИИ (XAI). Что..
SHAP для обнаружения дрейфа: эффективный мониторинг сдвига данных
Оповещение о расхождениях в распределении с использованием знаний о модели SHAP (Shapley Additive exPlanations)  – это хорошо известный подход к машинному обучению для получения интерпретируемых результатов. Несомненно, возможность добавлять объяснительную информацию к любой модели, независимо от задачи прогнозирования, является большим преимуществом, которое делает SHAP широко распространенным. Возможность сопоставления каждого значения каждой выборки с соответствующим..
Объяснимый ИИ: будущее машинного обучения
Оглавление Что такое объяснимый ИИ? Почему объяснимый ИИ важен? Техники объяснимого ИИ Вызовы и будущие направления Код, использованный в этом посте, доступен ниже: Portfolio/xai/intro.ipynb at main · smortezah/Portfolio Собственные проекты по приложениям науки о данных и машинного обучения – Portfolio/xai/intro.ipynb at main ·… github.com Что такое объяснимый ИИ? Машинное обучение (МО) — это подобласть..
Накачайте его — Как построить высокорейтинговую модель
Это последняя статья в серии из четырех статей, описывающих мой рабочий процесс в конкурсе Driven Data Pump it Up. Нажмите здесь , чтобы прочитать первую статью об EDA, здесь , если вы хотите узнать больше о работе с отсутствующими данными, или здесь , если вам интересно, как я подошел к выбору функций и разработке функций. В этой заключительной статье мы рассмотрим моделирование и оценку модели. Создание базовых моделей Потратив много времени на EDA, очистку данных, разработку..