Expliquer les prédictions d'un modèle avec SHAP
Rendre les prédictions du modèle explicables
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Écris du code Python pour expliquer les prédictions d’un [TYPE_MODELE] entraîné en utilisant SHAP. Génére : un graphique de résumé global, un diagramme en barres des valeurs SHAP absolues moyennes, des graphiques de dépendance pour les 3 principales caractéristiques, un graphique en cascade pour une prédiction spécifique à haut risque, et un résumé en langage naturel expliquant pourquoi le modèle a fait une prédiction particulière pour l’échantillon [INDEX].
Personnaliser ce prompt avec Léa
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
Cas d'usage
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Pour les modèles d’arbres, utilisez `shap.TreeExplainer` (plus rapide) plutôt que `shap.Explainer`. Pensez aussi à définir `feature_names` explicitement et à gérer les données manquantes avant l’appel, sinon les graphiques de dépendance peuvent être illisibles. Ajoutez `show=False` et `savefig()` pour automatiser l’export des figures.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Analyse des données de stocks et d'inventaire
Analyse complète des données d'inventaire avec classification ABC/XYZ, calcul des seuils et optimisation du BFR.
Analyse de la rétention
Améliorer la rétention utilisateur
Ingénierie de caractéristiques temporelles
Extraire des caractéristiques de colonnes datetime
Génération d'un rapport automatisé hebdomadaire
Conçoit un système de rapport hebdomadaire automatisé avec commentaires intelligents et alertes contextuelles.