Accumulated Local Effect Plots (ALEs) | Explanation & Python Code

Veröffentlicht am: 20 Mai 2024
auf dem Kanal: A Data Odyssey

4,233

112

Highly correlated features can wreak havoc on your machine-learning model interpretations. To overcome this, we could rely on good feature selection. But there are still cases when a feature, although highly correlated, will provide some unique information leading to a more accurate model. So we need a method that can provide clear interpretations, even with multicollinearity. Thankfully we can rely on ALEs.

We give you the intuition for how ALEs are created, formally define the algorithm used to create ALEs and apply ALEs using Python and the Alibi Explain package. We will see that, unlike other XAI methods like SHAP, LIME, ICE Plots and Friedman's H-stat, ALEs give interpretations that are robust to multicollinearity.

🚀 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/deep-...

🚀 Useful playlists 🚀
   • Explainable AI (XAI)
   • SHAP
   • Algorithm Fairness

🚀 Get in touch 🚀
Medium:   / conorosullyds
Threads: https://www.threads.net/@conorosullyds
Twitter:   / conorosullyds
Website: https://adataodyssey.com/

🚀 Chapters 🚀
00:00 Introduction
01:17 Intuition
04:39 Formal Algorithm
07:22 Python Code

Auf dieser Seite können Sie das Online-Video Accumulated Local Effect Plots (ALEs) | Explanation & Python Code mit der Dauer stunde minuten sekunde in guter Qualität ansehen, das der Benutzer A Data Odyssey 20 Mai 2024 hochgeladen hat, den Link mit Freunden und Bekannten teilen, dieses Video wurde auf Youtube bereits 4,233 Mal angesehen und es wurde von 112 den Zuschauern gefallen. Viel Spaß beim Betrachtenden Zuschauern gefallen!

1,624

102