GPUTree 解释器

本笔记本演示了如何在某些简单数据集上使用 GPUTree 解释器。与 Tree 解释器类似，GPUTree 解释器专门为基于树的机器学习模型设计，但它旨在使用 NVIDIA GPU 加速计算。

请注意，要使用 GPUTree 解释器，您需要拥有 NVIDIA GPU，并且 SHAP 需要编译以支持您系统上的当前 GPU 库。在最近的 Ubuntu 服务器上，实现这一点的步骤将是：

1. 通过从终端运行 nvcc 命令（CUDA 编译器）来检查是否已安装 NVIDIA CUDA 工具包。如果找不到此命令，则需要使用类似 sudo apt install nvidia-cuda-toolkit 的方式进行安装。

2. 安装 NVIDIA CUDA Toolkit 后，您需要设置 CUDA_PATH 环境变量。如果 which nvcc 输出 /usr/bin/nvcc，那么您可以运行 export CUDA_PATH=/usr。

3. 通过使用 git clone https://github.com/shap/shap.git 克隆 shap 仓库，然后运行 python setup.py install --user 来构建支持 CUDA 的 SHAP。

如果在执行上述指令时遇到问题，请确保在开始新安装之前，通过确保 import shap 失败来检查是否仍有旧版本的 SHAP。

下面我们演示如何在一个简单的成人收入分类数据集和模型上使用 GPUTree 解释器。

import xgboost

import shap

# get a dataset on income prediction
X, y = shap.datasets.adult()

# train an XGBoost model (but any other model type would also work)
model = xgboost.XGBClassifier()
model.fit(X, y)

XGBClassifier(base_score=0.5, booster='gbtree', colsample_bylevel=1,
              colsample_bynode=1, colsample_bytree=1, gamma=0, gpu_id=-1,
              importance_type='gain', interaction_constraints='',
              learning_rate=0.300000012, max_delta_step=0, max_depth=6,
              min_child_weight=1, missing=nan, monotone_constraints='()',
              n_estimators=100, n_jobs=0, num_parallel_tree=1, random_state=0,
              reg_alpha=0, reg_lambda=1, scale_pos_weight=1, subsample=1,
              tree_method='exact', validate_parameters=1, verbosity=None)

带有独立（Shapley 值）掩码的表格数据

# build a Permutation explainer and explain the model predictions on the given dataset
explainer = shap.explainers.GPUTree(model, X)
shap_values = explainer(X)

# get just the explanations for the positive class
shap_values = shap_values

绘制全球概览

shap.plots.bar(shap_values)

绘制单个实例

shap.plots.waterfall(shap_values[0])

交互值

GPUTree 支持 Shapley Taylor 交互值（这是对 Tree explainer 原有所提供的改进）。

explainer2 = shap.explainers.GPUTree(model, feature_perturbation="tree_path_dependent")
interaction_shap_values = explainer2(X[:100], interactions=True)

shap.plots.scatter(interaction_shap_values[:, :, 0])

---

有更多有用示例的想法吗？我们鼓励提交增加此文档笔记本的拉取请求！