Estoy tratando de entender los valores Shap de un modelo predictivo a continuación. Por favor, ayúdame a entender qué significa el resultado de “value” y “explainer”.
x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=42) rf_model = RandomForestClassifier() rf_model.fit(x_train, y_train) rf_pred = rf_model.predict(x_test) import shap rf_explainer = shap.TreeExplainer(rf_model, x_train) rf_vals = rf_explainer.shap_values(x_train) Salida: 100%|===================| 4778/4792 [03:26<00:00] rf_explainer.expected_value Salida: array([0.5763, 0.4237]) (Aunque con el gráfico resumen entendí cuál es la contribución de cada característica al modelo) (Por . . . Read more