Update app.py

app.py

@@ -0,0 +1,26 @@
+import pandas as pd
+import numpy as np
+from sklearn.datasets import fetch_california_housing
+from sklearn.model_selection import train_test_split
+from sklearn.ensemble import RandomForestRegressor
+import shap
+import matplotlib.pyplot as plt
+
+# Chargement et préparation des données California Housing
+california = fetch_california_housing()
+X = pd.DataFrame(california.data, columns=california.feature_names)
+y = california.target  # renommage pour clarté
+
+# Division des données en ensembles d'entraînement et de test
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
+
+# Construction et entraînement du modèle
+model = RandomForestRegressor(random_state=42)
+model.fit(X_train, y_train)
+
+# Création de l'expliqueur SHAP et calcul des valeurs SHAP
+explainer = shap.TreeExplainer(model)
+shap_values = explainer.shap_values(X_test)
+
+# Visualisation des valeurs SHAP
+shap.summary_plot(shap_values, X_test)