Explicando modelos não supervisionados

IA explicável em Python

Fouad Trad

Machine Learning Engineer

Clustering

Agrupe pontos parecidos sem rótulos prévios

Imagem mostrando dados com 2 features divididos em 3 clusters, cada um com um centróide.

Silhouette score

Mede a qualidade do clustering
Varia de -1 a 1
- 1 → clusters bem separados

Imagem mostrando clusters bem separados.

Silhouette score

Mede a qualidade do clustering
Varia de -1 a 1
- 1 → clusters bem separados
- -1 → pontos mal atribuídos

Imagem mostrando clusters sem separação clara.

Impacto da feature na qualidade do cluster

Imagem mostrando o resultado de agrupamento de um dataset com 2 features usado no algoritmo.

Impacto da feature na qualidade do cluster

Imagem mostrando o resultado do agrupamento após remover uma feature e retreinar o modelo.

Impacto da feature na qualidade do cluster

Imagem mostrando a fórmula para obter o impacto da feature removida como a diferença entre o silhouette com todas as features e o silhouette sem a feature.

$\text{Impacto(}f) > 0$ → contribuição positiva de $f$
$\text{Impacto(}f) < 0$ → $f$ adiciona ruído

Dataset Student Performance

age	health status	absences	G1	G2	G3
18	3	4	0	11	11
17	3	2	9	11	11
15	3	6	12	13	12
15	5	0	14	14	14
16	5	0	11	13	13

X: array com as features

Calculando impacto da feature na qualidade do cluster

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score


kmeans = KMeans(n_clusters=2).fit(X)

original_score = silhouette_score(X, kmeans.labels_)


for i in range(X.shape[1]):

    X_reduced = np.delete(X, i, axis=1)

    kmeans.fit(X_reduced)

    new_score = silhouette_score(X_reduced, kmeans.labels_)

    impact = original_score - new_score
    print(f'Feature {column_names[i]}: Impact = {impact}')

Calculando impacto da feature na qualidade do cluster

Feature age: Impact = 0.05199181662741281
Feature health status: Impact = 0.06046737420227638
Feature absences: Impact = 0.031290940582026694
Feature G1: Impact = -0.025746421940652353
Feature G2: Impact = -0.02578292339364119
Feature G3: Impact = -0.03163419458330158

Adjusted Rand Index (ARI)

Mede o quão bem os clusters batem

Imagem mostrando duas atribuições de cluster semelhantes para um dataset.

ARI máximo = 1 → alinhamento perfeito

Adjusted Rand Index (ARI)

Mede o quão bem os clusters batem

Imagem mostrando duas atribuições de cluster diferentes para o mesmo dataset.

ARI máximo = 1 → alinhamento perfeito
ARI menor → maior diferença entre clusterizações

Importância de features para a atribuição de clusters

Remova uma feature por vez
$\text{Importância}(f) = 1 - \text{ARI (clusters originais, clusters modificados)}$
ARI baixo → $\text(1 - ARI)$ alto → feature importante

Importância de features para a atribuição de cluster

from sklearn.metrics import adjusted_rand_score


kmeans = KMeans(n_clusters=2).fit(X)
original_clusters = kmeans.predict(X)


for i in range(X.shape[1]):

    X_reduced = np.delete(X, i, axis=1)

    reduced_clusters = kmeans.fit_predict(X_reduced)

    importance = 1 - adjusted_rand_score(original_clusters, reduced_clusters)
    print(f'{df.columns[i]}: {importance}')

age: 0.0
health status: 0.9995376368119572
absences: 0.0
G1: 0.0
G2: 0.6204069909514572
G3: 0.6204069909514572

Vamos praticar!

IA explicável em Python