繼續SHAP圖繪制的學習
1. SHAP特征重要性條形圖
特征重要性條形圖（Feature Importance Bar Plot）是 SHAP 提供的一種全局解釋工具，用于展示模型中各個特征對預測結果的重要性。以下是詳細解釋：
圖的含義
- 橫軸：表示特征的重要性，通常是特征的 SHAP 值的平均絕對值（`mean(|SHAP value|)`）。
? - SHAP 值的絕對值越大，說明該特征對模型預測的影響越大。
? - 通過取絕對值，可以忽略正負方向，只關注特征對預測結果的貢獻大小。
- 縱軸：表示特征名稱，按重要性從高到低排序。
? - 排在頂部的特征對模型預測的整體影響最大。
代碼實現：
# --- 1. SHAP 特征重要性條形圖 (Summary Plot - Bar) ---
print("--- 1. SHAP 特征重要性條形圖 ---")
shap.summary_plot(shap_values[:, :, 0], X_test, plot_type="bar",show=False) # 這里的show=False表示不直接顯示圖形,這樣可以繼續用plt來修改元素，不然就直接輸出了
plt.title("SHAP Feature Importance (Bar Plot)")
plt.show()對以下部分代碼再進行理解：
shap_values[:, :, 0]
生成圖像：
2. SHAP特征重要性蜂巢圖
特征重要性蜂巢圖（Feature Importance Violin Plot）是 SHAP 提供的一種全局解釋工具，用于展示每個特征對模型預測的影響分布情況。以下是詳細介紹：
圖的含義
-
橫軸：SHAP 值，表示特征對模型預測的影響大小和方向。
- 正值：該特征對預測結果有正向影響（推動預測值增大）。
- 負值：該特征對預測結果有負向影響（推動預測值減小）。
-
縱軸：特征名稱，按重要性從高到低排序。
- 排在頂部的特征對模型預測的整體影響最大。
-
顏色：通常表示特征值的大小（如紅色表示特征值較大，藍色表示特征值較小）。
-
形狀（蜂巢/小提琴形狀）：表示 SHAP 值的分布。
- 寬度：表示該特征的 SHAP 值在某個范圍內的密度（樣本數量）。
- 寬度越大，說明更多樣本的 SHAP 值集中在該范圍。
圖的作用
- 全局解釋：蜂巢圖展示了每個特征對模型預測的影響分布，幫助我們理解特征的重要性和影響方向。
- 特征與預測的關系：
- 通過顏色和 SHAP 值的分布，可以直觀地觀察特征值大小與預測結果之間的關系。
- 例如，紅色（特征值大）集中在正 SHAP 值區域，說明特征值越大，對預測結果的正向影響越大。
- 異常值檢測：如果某些特征的 SHAP 值分布異常（如極端值），可能需要進一步檢查數據或模型。
特征重要性蜂巢圖是 SHAP 的全局解釋工具，通過展示每個特征的 SHAP 值分布，幫助我們理解特征對模型預測的影響大小、方向和分布情況。它比條形圖提供了更豐富的信息，尤其適合分析特征值與預測結果之間的關系。
代碼實現：
# --- 2. SHAP 特征重要性蜂巢圖 (Summary Plot - Violin) ---
print("--- 2. SHAP 特征重要性蜂巢圖 ---")
shap.summary_plot(shap_values[:, :, 0], X_test,plot_type="violin",show=False,max_display=10) # 這里的show=False表示不直接顯示圖形,這樣可以繼續用plt來修改元素，不然就直接輸出了
plt.title("SHAP Feature Importance (Violin Plot)")
plt.show()
# 注意下上面幾個參數，plot_type可以是bar和violin，max_display表示顯示前多少個特征。生成圖像：
今日學習到這里，明日自己練習一下SHAP圖的繪制，再進行新內容的學習。繼續加油！！！
@浙大疏錦行
)
