- SHAP(SHapley Additive exPlanations)是一种统一的方法来解释任何机器学习模型的输出。SHAP将博弈论与局部解释联系起来,将以前的几种方法结合起来,并根据预期表示唯一可能的一致且局部准确的加法特征归因方法(详见SHAP NIPS论文)。
- 部分依赖图显示了目标相应和一组特征之间的独立性,排除了其他所有的特征。直观的,可将部分依赖解释为预期的目标响应,和目标特征的函数。
参考文献:
【1】SHAP官网
参考文献:
【1】SHAP官网
转载于:https://www.cnblogs.com/nxf-rabbit75/p/11165883.html