🤩 shapviz | 您所在的位置:网站首页 › shap方法可以解释哪些模型 › 🤩 shapviz |
1写在前面 今天讲一下机器学习的经典方法,SHAP(Shapley Additive exPlanations)。🤒 SHAP使用来自博弈论及其相关扩展的经典Shapley value将最佳信用分配与局部解释联系起来,是一种基于游戏理论上最优的Shapley value来解释个体预测的方法。😂 从博弈论的角度,把data中的每一个特征变量当成一个玩家,用这个data去训练模型得到预测的结果,可以看成众多玩家合作完成一个项目的收益。🙃 Shapley value通过考虑各个玩家做出的贡献,来公平的分配合作的收益。🤓 SHAP值可以可靠地解释树模型。🌲 2用到的包代码语言:javascript复制rm(list = ls()) #devtools::install_github("ModelOriented/shapviz") library(shapviz) library(xgboost) library(tidyverse) library(patchwork) 3示例数据代码语言:javascript复制x |
CopyRight 2018-2019 实验室设备网 版权所有 |