shap.AdditiveExplainer
- class shap.AdditiveExplainer(model, masker, link=None, feature_names=None, linearize_link=True)[源代码]
计算广义加性模型的SHAP值。
这假设模型只有一阶效应。将其扩展到二阶和三阶效应是未来的工作（如果你现在将此应用于那些模型，你将得到错误的答案，这些答案无法满足加法性）。
- __init__(model, masker, link=None, feature_names=None, linearize_link=True)[源代码]
使用给定的掩码对象为给定的模型构建一个加法解释器。
- 参数:
- 模型函数
一个可调用的Python对象，它在接受一组输入数据样本时执行模型。
- 掩码器函数 或 numpy.array 或 pandas.DataFrame
用于“掩盖”隐藏特征的可调用Python对象，形式为
masker(mask, *fargs)。它接受一个二进制掩码和一个输入样本，并返回一个掩码样本矩阵。这些掩码样本使用模型函数进行评估，然后对输出进行平均。作为SHAP标准掩码的快捷方式，您可以传递一个背景数据矩阵而不是函数，该矩阵将用于掩码。要使用聚类游戏结构，可以传递一个shap.maskers.Tabular(data, hclustering="correlation")对象，但请注意，这种结构信息对加性模型的解释没有影响。
方法
__init__(model, masker[, link, ...])使用给定的掩码对象为给定的模型构建一个加法解释器。
explain_row(*row_args, max_evals, ...)解释单行并返回元组 (row_values, row_expected_values, row_mask_shapes)。
load(in_file[, model_loader, masker_loader, ...])从给定的文件流中加载一个解释器。
save(out_file[, model_saver, masker_saver])将解释器写入给定的文件流。
supports_model_with_masker(model, masker)确定此解释器是否可以处理给定的模型。
- explain_row(*row_args, max_evals, main_effects, error_bounds, batch_size, outputs, silent)[源代码]
解释单行并返回元组 (row_values, row_expected_values, row_mask_shapes)。
- classmethod load(in_file, model_loader=<bound method Model.load of <class 'shap.models._model.Model'>>, masker_loader=<bound method Serializable.load of <class 'shap.maskers._masker.Masker'>>, instantiate=True)
从给定的文件流中加载一个解释器。
- 参数:
- in_file用于加载对象的文件流。
- save(out_file, model_saver='.save', masker_saver='.save')
将解释器写入给定的文件流。