SHAP可解释工具的理解及应用

shap可解释工具的理解及应用以及图片保存

1.shap可解释工具的理解

不再黑盒，机器学习解释利器：SHAP原理及实战

2. shap可解释工具的应用

SHAP的理解与应用

3. shap图片保存

1. shap.force_plot()单个可解释性的图片保存()
   shap.force_plot(explainer.expected_value, shap_values[0], X.iloc[0,:]，show=False, matplotlib=True)
   plt.savefig(‘path’，bbox_inches=‘tight’) # bbox_inches=‘tight’ 使保存的图像更完整，包含坐标信息。

2. shap.force_plot()多个样本可解释性的保存
   xx = shap.force_plot(explainer.expected_value, shap_values[0], X.iloc[0,:]
   shap.save_html(‘xx.html’, xx)

3. 特征重要性图和特征分布图
   shap.summary_plot(explainer.expected_value, shap_values[0], X.iloc[0,:]，show=False )(plot_type=‘bar‘ 代表特征重要性图 ‘dot’代表特征点分布图）
   plt.savefig(‘path’)

4. 特征交互图
   shap.dependence_plot(‘DAYS_CREDIT’, shap_values[1], data_model[use_cols], display_features=data[use_cols],interaction_index=None，show = false)
   plt.savefig(‘path’)