Data Science Academy · Ders

Özellik Önem Düzeyi ve SHAP

Modelin en çok neye dayandığı

Özellik Önem Düzeyi ve SHAP, CoddyKit'te ücretsiz bir Data Science Academy dersidir. Bu, 4 dersinin 1. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Data Science Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Data Science Academy kursu toplamda 4 dersten oluşur.

Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.

Which Features Mattered?

After a model trains, you want to know which inputs drove its predictions. That ranking is called feature importance. 🔍

Built-In Tree Importance

Tree models expose a quick feature_importances_ array. Higher values mean the feature was used more often to split the data.

importances = model.feature_importances_

Pair It With Names

The importances array is just numbers, so zip it with your column names to read which feature each score belongs to.

import pandas as pd
fi = pd.Series(model.feature_importances_, index=X.columns)

Sort to See Top Drivers

Sorting the importance Series surfaces the few features that carry most of the signal in your model.

fi.sort_values(ascending=False).head()

The Catch With Trees

Built-in tree scores can favor high-cardinality columns. They tell you usage, not always real impact on predictions.

Permutation Importance

A fairer, model-agnostic method is permutation importance: shuffle one column and measure how much the score drops.

from sklearn.inspection import permutation_importance
r = permutation_importance(model, X_test, y_test)

Enter SHAP

For per-prediction detail you use SHAP values, which fairly split each prediction among the features that produced it.

SHAP Is Game Theory

SHAP borrows from game theory: each feature is a player, and its value is the credit it earns toward one specific prediction.

Compute SHAP Values

You build an explainer for your fitted model, then ask it for SHAP values on the rows you care about.

import shap
explainer = shap.Explainer(model)
values = explainer(X_test)

Global From Local

Average the absolute SHAP values across all rows and you get a trustworthy global importance ranking, built from local explanations.

shap.plots.bar(values)

Explain One Prediction

SHAP also shows why a single row scored as it did, listing which features pushed the prediction up and which pulled it down.

shap.plots.waterfall(values[0])

Quick Check

Which method gives a fair, model-agnostic importance score?

Recap

You ranked features with tree, permutation, and SHAP methods, moving from quick scores to fair, per-prediction credit. Next, how one feature moves output. 🎯

Sıkça Sorulan Sorular

“Özellik Önem Düzeyi ve SHAP” dersi ücretsiz mi?

Evet — “Özellik Önem Düzeyi ve SHAP” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Data Science Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Data Science Academy kursu toplamda 4 dersten oluşur.

“Özellik Önem Düzeyi ve SHAP” dersinde ne öğreneceğim?

Modelin en çok neye dayandığı Data Science Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

Data Science Academy öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te Data Science Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 1. dersidir.

“Özellik Önem Düzeyi ve SHAP” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu Data Science Academy dersinde kod yazıp çalıştırabilir miyim?

Evet. Her Data Science Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

← Data Science Academy Sayfasına Dön