Wyjaśnianie modeli nienadzorowanych

Wyjaśnialne AI w Pythonie

Fouad Trad

Machine Learning Engineer

Klasteryzacja

Grupowanie podobnych punktów danych bez predefiniowanych etykiet

Obraz przedstawiający dane z 2 cechami podzielone na 3 klastry, z centroidem każdego klastra.

Wynik silhouette

Mierzy jakość klasteryzacji
Zakres od -1 do 1
- 1 → dobrze odseparowane klastry

Obraz przedstawiający dobrze odseparowane klastry.

Wynik silhouette

Mierzy jakość klasteryzacji
Zakres od -1 do 1
- 1 → dobrze odseparowane klastry
- -1 → punkty przypisane nieprawidłowo

Obraz przedstawiający klastry bez wyraźnego podziału.

Wpływ cech na jakość klastrów

Obraz przedstawiający wynik klasteryzacji zbioru danych z 2 cechami przekazanymi do algorytmu klasteryzacji.

Wpływ cech na jakość klastrów

Obraz przedstawiający wynik klasteryzacji po usunięciu jednej cechy i ponownym trenowaniu modelu.

Wpływ cech na jakość klastrów

Obraz przedstawiający wzór do obliczania wpływu usuniętej cechy jako różnicy między wynikami silhouette z obiema cechami a wynikiem silhouette bez danej cechy.

$\text{Impact(}f) > 0$ → pozytywny wkład cechy $f$
$\text{Impact(}f) < 0$ → $f$ wprowadza szum

Zbiór danych 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: tablica zawierająca cechy

Obliczanie wpływu cech na jakość klastrów

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}')

Obliczanie wpływu cech na jakość klastrów

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

Skorygowany indeks Randa (ARI)

Mierzy zgodność przypisań do klastrów

Obraz przedstawiający dwa podobne przypisania do klastrów dla tego samego zbioru danych.

Maksymalne ARI = 1 → idealna zgodność klastrów

Skorygowany indeks Randa (ARI)

Mierzy zgodność przypisań do klastrów

Obraz przedstawiający dwa różne przypisania do klastrów dla tego samego zbioru danych.

Maksymalne ARI = 1 → idealna zgodność klastrów
Niższe ARI → większe różnice między klasteryzacjami

Ważność cech dla przypisań do klastrów

Usuwanie cech po jednej
$\text{Importance}(f) = 1 - \text{ARI (original clusters, modifed clusters)}$
Niskie $\text(ARI)$ → wysokie $\text(1 - ARI)$ → ważna cecha

Ważność cech dla przypisań do klastrów

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

Czas na ćwiczenia!

Wyjaśnialne AI w Pythonie