【学习资源】以 SHAP 和 XGBoost 为例：芝加哥网约车服务需求建模示例。

文章预览

今天给大家分享的是计算机、环境和城市系统（ Computers, Environment and Urban Systems ） 期刊的上的一篇文章，标题为用局部解释方法从机器学习模型中提取空间效应：以 SHAP 和 XGBoost 为例。 文章地址： Extracting spatial effects from machine learning model using local interpretation method: An example of SHAP and XGBoost - ScienceDirect 这篇论文中完整给出了  芝加哥网约车服务需求建模示例 了的所有代码和步骤，是一份非常不错的也是非常难得的学习资源，这里借花献佛，分享给大家。 为了方便大家观看，我这里直接贴出了作者共享的代码，文末会附上来源。需要该文件的朋友可以直接到文末去浏览链接下载。在这里给作者点赞。 import pandas as pd import geopandas as gpd import numpy as np import matplotlib.pyplot as plt chicago = gpd.read_file("chicago_tnp.geojson") chicago['pct_white'] = 1-chicago['pct_nonwhi ………………………………