PDPs and ICE Plots | Python Code | scikit-learn Package
Both Partial Dependence Plots (PDPs) and Individual Conditional Expectation (ICE) plots are a popular explainable AI (XAI) method. They can visualise the relationships used by a machine learning model to make predictions. In this video, we will see how to apply the methods using Python. We will use the scikit-learn package and the PartialDependenceDisplay & partial_dependence functions.
We will see that this allows us to easily visualise the plots including:
PDPs for individual features
2-dimensional PDPs
Custom ICE Plots
ICE Plots for categorical features
ICE Plots for binary target variables
🚀 Free Course 🚀
Signup here: https://mailchi.mp/40909011987b/signup
XAI course: https://adataodyssey.com/courses/xai-...
SHAP course: https://adataodyssey.com/courses/shap...
🚀 Companion article with link to code (no-paywall link): 🚀
https://medium.com/data-science/the-u...
🚀 Useful playlists 🚀
XAI: • Explainable AI (XAI)
SHAP: • SHAP
Algorithm fairness: • Algorithm Fairness
🚀 Get in touch 🚀
Medium: / conorosullyds
Threads: https://www.threads.net/@conorosullyds
Twitter: / conorosullyds
Website: https://adataodyssey.com/
🚀 Chapters 🚀
00:00 Introduction
00:51 Application with scikit-learn
02:21 Applying PDPs
08:22 Custom ICE Plot
09:48 2D PDPs
10:54 Categorical features
11:47 Binary target variables
Auf dieser Seite können Sie das Online-Video PDPs and ICE Plots | Python Code | scikit-learn Package mit der Dauer stunde minuten sekunde in guter Qualität ansehen, das der Benutzer A Data Odyssey 06 Mai 2024 hochgeladen hat, den Link mit Freunden und Bekannten teilen, dieses Video wurde auf Youtube bereits 2,958 Mal angesehen und es wurde von 55 den Zuschauern gefallen. Viel Spaß beim Betrachtenden Zuschauern gefallen!
