Análise de Importância de Features com SHAP para Modelos de Regressão Logística
TreeExplainer: Otimizado para modelos baseados em árvores, como XGBoost, LightGBM e CatBoost.
DeepExplainer: Projetado para modelos de deep learning, com suporte para TensorFlow e Keras.
GradientExplainer: Outra opção para modelos de deep learning, baseada na metodologia Integrated Gradients. Suporta TensorFlow, Keras e PyTorch, mas pode ser m ...
Publicado em 8-26 07:36
Implementação Prática de Análise de Explicabilidade com SHAP em Modelos de Aprendizado de Máquina Clássicos
Este guia demonstra um fluxo de trabalho completo para a análise de explicabilidade de um modelo de classificação usando a biblioteca SHAP, focando na previsão de inadimplência de crédito.
1. Pré-processamento de Dados
Os dados são carregados e transformados. Variáveis categóricas são codificadas usando mapeamento de rótulos e one-hot encoding, ...
Publicado em 6-7 02:26
Visualização de Modelos de Machine Learning com SHAP
Introdução aos Gráficos SHAP
Hoje, o trabalho foca em reflexões conceituais com um nível de dificuldade moderado.
Com base na documentação fornecida, complete os tipos restantes de visualizações
Tente determinar os requisitos de dimensão para cada parâmetro nas funções de plotagem SHAP, como as necessidades de formato para o gráfico de força ( ...
Publicado em 6-4 16:27