Icon

JKISeason2-13 Ángel Molina

Desafío 13:
Descripción: Usted es un científico de datos que trabaja para una empresa de bienes raíces y escuchó el rumor de que el "número promedio de habitaciones por vivienda" (RM) puede estar relacionado con la "tasa de criminalidad per cápita" (CRIM) según la ciudad. ciudad. Entonces decides investigar si este es el caso de Boston, la ciudad donde vives y trabajas. Para ello, decide experimentar con un modelo de regresión de aprendizaje automático y con un tema que ha estado estudiando recientemente: XAI. ¿Cómo están conectados RM y CRIM en Boston?

JUST KNIME IT S2-13ÁNGEL MOLINAWORKFLOW FROMKNIME HUB Housing datasetPort 0 : train setPort 1: test set SHAP : Look at the viewof this componentusing SHAP Summarizer Sampling weightSampled 500 rowsShapley Values : Look at the viewof this componentusing k-means to summarize the data to n prototypes rowk 1.5 (R_4)CSV Reader Partitioning Dependence Plot Shapley ValuesLoop End SHAP Loop End Shapley ValuesLoop Start SHAP Loop Start Row Sampling Post-Processing Gradient Boosted TreesLearner (Regression) Gradient Boosted TreesPredictor (Regression) Gradient Boosted TreesPredictor (Regression) Dependence Plot SHAP Summarizer Numeric Outliers Numeric Outliers(Apply) JUST KNIME IT S2-13ÁNGEL MOLINAWORKFLOW FROMKNIME HUB Housing datasetPort 0 : train setPort 1: test set SHAP : Look at the viewof this componentusing SHAP Summarizer Sampling weightSampled 500 rowsShapley Values : Look at the viewof this componentusing k-means to summarize the data to n prototypes rowk 1.5 (R_4)CSV Reader Partitioning Dependence Plot Shapley ValuesLoop End SHAP Loop End Shapley ValuesLoop Start SHAP Loop Start Row Sampling Post-Processing Gradient Boosted TreesLearner (Regression) Gradient Boosted TreesPredictor (Regression) Gradient Boosted TreesPredictor (Regression) Dependence Plot SHAP Summarizer Numeric Outliers Numeric Outliers(Apply)

Nodes

Extensions

Links