Cómo crear un proceso de análisis de IA explicable utilizando SHAP-IQ para comprender la importancia de las funciones, los efectos de la interacción y el desglose de las decisiones del modelo
INSTANCIA_I = int(np.clip(INSTANCIA_I, 0, len(X_test)-1)) x = X_test.iloc.valores y_true = float(y_test.iloc) pred = float(modelo.predict()) iv = explicador.explain(x, presupuesto=int(BUDGET_LOCAL), estado_aleatorio=0) baseline = float(getattr(iv, “baseline_value”, 0.0)) main_effects = extract_main_effects(iv, feature_names) pair_df =…