Qlik Sense uygulamalarında SHAP değerlerini görselleştirme
SHAP değerleri, bir modeli ve tek tek sonuçları nelerin etkilediğini anlamamıza yardımcı olur. Verilerinizde daha fazlasını keşfetmek için Qlik Sense uygulamalarında SHAP değerleri görselleştirmeleri oluşturun. Aşağıdaki örnekler, edinebileceğiniz içgörülerle ilgili size fikir verir.
Hazırlıklar
Başlamadan önce şu hazırlıkları yapın:
-
Koordinat SHAP veri kümesi oluşturun. Bu veri kümesi, tek bir grafikte birden çok özellik kullanmanıza olanak tanıyan, "özellik" ve "değer"e dönüştürülmüş SHAP değeri sütunlarını içerir.
-
İkili sınıflandırma tahminleri için satır başına SHAP değerleri toplamına göre tahmin edilen olasılığı çizdirin ve SHAP değerlerinin yönüne bakın. Eğim negatif yöndeyse görselleştirmelerin daha kolay yorumlanması için SHAP değerlerinin yönünü tersine çevirin.
Pozitif eğim gösteren SHAP değerlerinin yön denetimi

Özellik önemi sıralaması
Her özelliğe ait SHAP değerlerinin ortalama mutlak değerini kullanarak özellik önemi sıralaması oluşturabilirsiniz. Şekilde, müşteri kaybı olasılığı ile ilgili farklı özelliklerin önemi gösterilmektedir.
Qlik Sense içinde SHAP importance sıralaması

Yön ve dağılım
Ayrıca SHAP değerleri, her bir özelliğin etkisinin yönünü ve dağılımını anlamak için kullanılabilir. Şekilde, farklı özelliklerin müşteri kaybı olasılığını artırıp artırmadığını görebilirsiniz.
Qlik Sense içinde SHAP dağılımı grafiği

Topluluklar için özellik önemi
Ayrı topluluklar için özellik önemi oluşturulabilir. Örneğin, farklı tür planlardaki müşteriler için en önemli özellikleri karşılaştırabilirsiniz. Şekilde plan türüne göre özellik etkileyicileri gösterilmektedir.
Bu grafikte, belirli alan değerlerinin verilerini temsil etmek için Trellis container/kafes türü kapsayıcı kullanılmıştır. Ayrıca set ifadelerini kullanarak ayrı ayrı benzer grafikler oluşturabilirsiniz.
Plan türüne göre müşteri kaybında en etkili unsurların gösterildiği Qlik Sense grafiği

Satır düzeyinde özellik önemi
SHAP importance, satır düzeyinde özellik önemini anlamak için kullanılabilir. Şekilde gösterildiği gibi, farklı müşteriler için müşteri kaybı olasılığını hangi özelliklerin etkilediğini araştırabilir ve karşılaştırabilirsiniz.
Belirli müşteri kimlikleri için SHAP importance grafikleri

Özellik değişimi
Bir özelliğin her bir değişimin etkisini çizdirebilirsiniz. Örneğin, sunduğunuz plan türlerine göre müşteri plan türlerinin ortalama etkisini gösteren görselleştirmeler oluşturabilirsiniz.
Tek bir özellik için belirli alan değerlerinin SHAP importance'nın gösterildiği Qlik Sense içindeki sütun grafik

Tek bir özellik için belirli alan değerlerinin SHAP importance'ını gösteren Qlik Sense içindeki dağılım grafiği

Sürekli değişkenler
Sürekli değişkenlerin değerleri dalgalandığında trendleri analiz etmek için dağılım grafiklerinde SHAP değerleri kullanılabilir. Bu SHAP değerleri grafiğinde, müşteri kaybı olasılığının genellikle taban fiyattaki artışla birlikte arttığını görebiliyoruz.
İsteğe bağlı olarak, verilerde yeni içgörüler keşfetmek için regresyon doğruları ve diğer araçları kullanabiliriz.
Taban fiyat arttıkça müşteri kaybı sonucundaki eğilimlerin gösterildi SHAP dağılım grafiği
