SHAP:Python的可解釋機器學習庫
- 一、概念
- 二、步驟
- 三、代碼-以波士頓房價為例
- summary_plot
- Feature Importance
- shap_interaction_values
- dependence_plot
- 完整代碼
一、概念
??SHAP(Shapley Additive Explanations)模型是一種用于解釋機器學習模型預測結果的方法。它基于合作博弈論中的Shapley值概念,通過計算特征對預測結果的貢獻來評估每個特征的重要性。
??SHAP模型的核心思想是將每個特征的值與一個“參考值”進行比較,并通過不斷添加特征來計算其對預測結果的貢獻。這樣可以得出每個特征對結果的影響程度,進而解釋模型的預測結果。傳統的feature importance只告訴哪個特征重要,但并不清楚該特征是怎樣影響預測結果的。SHAP value最大的優勢是SHAP能對于反映出每一個樣本中的特征的影響力,而且還表現出影