Vysvětlitelnost v modelech založených na stromech

Explainable AI v Pythonu

Fouad Trad

Machine Learning Engineer

Rozhodovací strom

Základní stavební blok stromových modelů
Používá se pro regresi a klasifikaci
Stromová struktura pro předpovědi
- Série rozhodnutí
- Každé rozhodnutí vychází z jednoho příznaku
Inherentně vysvětlitelný

Schéma rozhodovacího stromu znázorňující předpovědi na základě více podmínek

Náhodný les

Skládá se z mnoha rozhodovacích stromů
Používá se pro regresi a klasifikaci
Ztěžuje přímou interpretovatelnost
Důležitost příznaků
- Měří snížení nejistoty v předpovědích
- Liší se od koeficientů v lineárních modelech

Schéma náhodného lesa jako souboru stromů, které přijmou vstup a agregují předpovědi do výsledné predikce.

Dataset přijímacího řízení

GRE Score	TOEFL Score	University Rating	SOP	LOR	CGPA	Accept
337	118	4	4.5	4.5	9.65	1
324	107	4	4	4.5	8.87	1
316	104	3	3	3.5	8.00	1
322	110	3	3.5	2.5	8.67	1
314	103	2	2	3	8.21	0

X_train = data.drop(['Accept'], axis=1)
y_train = data['Accept']

Trénování modelu

from sklearn.tree import DecisionTreeClassifier


tree_model = DecisionTreeClassifier()
tree_model.fit(X_train, y_train)


print(tree_model.feature_importances_)

[0.17936982 0.08878744 0.04388924 
 0.0532897  0.07130751 0.56335628]

from sklearn.ensemble import RandomForestClassifier


forest_model = RandomForestClassifier()
forest_model.fit(X_train, y_train)


print(forest_model.feature_importances_)

[0.25347149 0.17518662 0.06551317 
 0.06758647 0.07866478 0.35957747]

Důležitost příznaků

import matplotlib.pyplot as plt

plt.barh(X_train.columns, 
         tree_model.feature_importances_)
plt.title('Feature Importance - Decision Tree')
plt.show()

Vodorovný sloupcový graf důležitostí příznaků, kde CGPA a skóre GRE jsou nejdůležitější.

import matplotlib.pyplot as plt

plt.barh(X_train.columns, 
         forest_model.feature_importances_)
plt.title('Feature Importance - Random Forest')
plt.show()

Vodorovný sloupcový graf důležitostí příznaků, kde CGPA a skóre GRE jsou nejdůležitější.

Pojďme si procvičit!

Explainable AI v Pythonu