
SHAP 属于模型事后解释的方法,它的核心思想是计算特征对模型输出的边际贡献,再从全局和局部两个层面对“黑盒模型”进行解释。SHAP构建一个加性的解释模型,所有的特征都视为“贡献者”。
分类问题和回归问题输出的shap_values的形状不同。
- 分类问题:shap_values.shape =(n_samples, n_features, n_classes)
- 回归问题:shap_values.shape = (n_samples, n_features)
还是先预处理数据+分割:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
data = pd.read_csv('data.csv')
discrete_features = data.select_dtypes(include=['object']).columns.tolist()
home_ownership_mapping = {
'Own Home': 1,
'Rent': 2,
'Have Mortgage': 3,
'Home Mortgage': 4
}
data['Home Ownership'] = data['Home Ownership'].map(home_ownership_mapping)
years_in_job_mapping = {
'< 1 year': 1,
'1 year': 2,
'2 years': 3,
'3 years': 4,
'4 years': 5,
'5 years': 6,
'6 years': 7,
'7 years': 8,
'8 years': 9,
'9 years': 10,
'10+ years': 11
}
data['Years in current job'] = data['Years in current job'].map(years_in_job_mapping)
data = pd.get_dummies(data, columns=['Purpose'])
data2 = pd.read_csv("data.csv")
list_final = []
for i in data.columns:
if i not in data2.columns:
list_final.append(i)
for i in list_final:
data[i] = data[i].astype(int)
term_mapping = {
'Short Term': 0,
'Long Term': 1
}
data['Term'] = data['Term'].map(term_mapping)
data.rename(columns={'Term': 'Long Term'}, inplace=True) # 重命名列
continuous_features = data.select_dtypes(include=['int64', 'float64']).columns.tolist()
for feature in continuous_features:
mode_value = data[feature].mode()[0]
data[feature].fillna(mode_value, inplace=True)
from sklearn.model_selection import train_test_split
X = data.drop(['Credit Default'], axis=1)
y = data['Credit Default']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
默认参数的baseline随机森林:
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score
from sklearn.metrics import classification_report, confusion_matrix
import warnings
warnings.filterwarnings("ignore")
print("--- 1. 默认参数随机森林 (训练集 -> 测试集) ---")
import time
start_time = time.time()
rf_model = RandomForestClassifier(random_state=42)
rf_model.fit(X_train, y_train)
rf_pred = rf_model.predict(X_test)
end_time = time.time()
print(f"训练与预测耗时: {end_time - start_time:.4f} 秒")
print("\n默认随机森林 在测试集上的分类报告:")
print(classification_report(y_test, rf_pred))
print("默认随机森林 在测试集上的混淆矩阵:")
print(confusion_matrix(y_test, rf_pred))
shap库的特征重要性演示:
import shap
import matplotlib.pyplot as plt
explainer = shap.TreeExplainer(rf_model)
shap_values = explainer.shap_values(X_test)
print("shap特征重要性条形图")
shap.summary_plot(shap_values[:,:,0],X_test,plot_type="bar",show=False)
plt.title("SHAP feature importance(Bar plot)")
plt.show()
print("SHAP特征重要性小提琴图")
shap.summary_plot(shap_values[:,:,0],X_test,plot_type="violin",show=False,max_display=10)
plt.title("SHAP feature importance(Violin plot)")
plt.show()
#shap_values[:,:,0]参数是::表示选择所有样本。:表示选择所有特征。0表示选择第一个类别的SHAP值
shap库参考文献链接:SHAP 可视化解释机器学习模型简介_shap图-CSDN博客
小结:
1.核心思想来自合作博弈论中的 Shapley 值,想象一个合作游戏:
- 玩家 (Players): 模型的特征 (Features) 就是玩家。
- 游戏 (Game): 目标是预测某个样本的输出值。
- 合作 (Coalition): 不同的特征子集可以“合作”起来进行预测。
- 奖励/价值 (Payout/Value): 某个特征子集进行预测得到的值。
- 目标: 如何公平地将最终预测结果(相对于平均预测结果的“收益”)分配给每个参与的特征(玩家)
2.shap_values[:,:,0]参数是::表示选择所有样本。:表示选择所有特征。0表示选择第一个类别的SHAP值。 适用于多分类任务,1就是第二个类别。: 表示 所有
3.先创建然后初始化shap解释器,再搞清楚shap的维度要求!!! 和x_test的尺寸一样ok
然后就画图呗,plot_type你就选吧
275

被折叠的 条评论
为什么被折叠?



