工具介绍与任务方法
SHAP
SHAP 使用 Shapley 值相关方法解释机器学习模型的输出，将特征对预测的贡献表示为数值，并提供瀑布图、力图及特征关系等可视化方式。
SHAP 能做什么
SHAP 使用 Shapley 值相关方法解释机器学习模型的输出，将特征对预测的贡献表示为数值，并提供瀑布图、力图及特征关系等可视化方式。
- 语言模型与智能体质量评估及回归检查
- 数据图表制作与调整
如何使用 SHAP
解释树模型的一次预测并检查特征贡献
准备输入
- 已训练的树模型和需要解释的特征数据。
操作步骤
- 安装 shap，用 shap.Explainer 包装模型。
- 将特征数据传给解释器，得到 shap_values。
- 对选定样本调用 shap.plots.waterfall 或 force，检查各特征推动预测升高或降低的贡献。
预期交付物
- 逐样本特征贡献值，以及所选预测的可视化解释。
图中的贡献描述模型输出相对基准值的变化；人工应检查模型与数据背景，不将特征归因直接当作现实中的因果证明。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
