我试图了解下面预测模型的形状值。请帮助我理解价值和解释器的o / p是啥意思？

Posted 2023-03-12

【中文标题】我试图了解下面预测模型的形状值。请帮助我理解价值和解释器的o / p是啥意思？

【英文标题】：I'm trying to understand the shap values of a predictive model below. Please help me understand what's the o/p of value & explainer means?我试图了解下面预测模型的形状值。请帮助我理解价值和解释器的o / p是什么意思？

【发布时间】：2022-01-16 16:48:48

【问题描述】：

x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.3,random_state=42)
rf_model= RandomForestClassifier()
rf_model.fit(x_train, y_train)
rf_pred = rf_model.predict(x_test)


import shap
rf_explainer = shap.TreeExplainer(rf_model, x_train)

rf_vals = rf_explainer.shap_values(x_train)

o/p: 100%|====================| 4778/4792 [03:26

rf_explainer.expected_value

o/p: 数组([0.5763, 0.4237])

（虽然有了概要图，但我明白了每个特征对模型的贡献是什么） （请解释一下输出均值（4778/4792 和数组（[0.5763, 0.4237]）中的这个数字是什么））

【参考方案1】：

rf_explainer.expected_value 被称为“基值”，即模型在整个数据集上的“预期”值，这反过来意味着模型在不了解数据的情况下会预测什么。这些与类频率很接近，但并不完全相等。

在解释模型的预测时：

您从基值开始，对于所有数据点（在提供的背景数据集上）都是相同的。 在它们之上添加 SHAP 值以获得实际的模型预测。 SHAP 值将显示特定特征对感兴趣预测的贡献。