Machine learning : les fondamentaux

CHAPITRE 16 Explication des modèles de régression

La plupart des techniques qui servent à expliquer les modèles de classification s’appliquent aux modèles de régression. Nous allons voir dans ce chapitre comment utiliser la librairie SHAP pour interpréter un modèle de régression.

Pour la mise en pratique, nous allons interpréter un modèle XGBoost travaillant sur le jeu de données immobilières Boston. Nous commençons par préparer ces données :

>>> import xgboost as xgb
>>> xgr = xgb.XGBRegressor(
...    random_state=42, base_score=0.5
... )
>>> xgr.fit(bos_X_train, bos_y_train)

Shapley

J’apprécie particulièrement l’approche Shapley parce qu’elle ne privilégie pas un modèle plutôt qu’un autre et procure une vision globale du modèle tout en permettant d’expliquer ...