آشنایی با SHAP، یک ماژول بی نظیر برای یادگیری ماشین
مدل‌های هوش مصنوعی عموما به صورت جعبه سیاه هستند و با گرفتن داده ها، نتایج را بدون ارائه تفسیر دقیق از آنها ارائه می کنند. برای درک اینکه چه ویژگی‌های اصلی بر خروجی مدل تأثیر می‌گذارند، به تکنیک‌های یادگیری ماشینی قابل توضیح نیاز داریم که برخی از این جنبه‌ها را آشکار کند.
برای مثال مدل اعتبار سنجی مشتریان بانک را در نظر بگیرید که می گوید که بانک نباید به فردی وام دهد ولی بانک از نظر قانونی موظف است مبنای هر رد وام را توضیح دهد.
یا یک شرکت بیمه سلامت می‌خواهد عواملی که باعث ایجاد خطر ابتلا به بیماری در هر بیمار می‌شود را شناسایی کند تا بتواند مستقیماً آن عوامل را با مداخلات بهداشتی هدفمند بررسی کند.
برای این منظور از ماژول SHAP استفاده می کنیم.SHAP(SHapley Additive Explanations) روشی مبتنی بر تئوری بازی های مشارکتی است و برای افزایش شفافیت و تفسیرپذیری مدل های یادگیری ماشین استفاده می شود.
برای آشنایی با این ماژول ارزشمند سری به سایت آن بزنید.

#یادگیری_ماشین
#Machine_learning
#SHAP

پایتون برای مالی
🆔 t.me/python4finance