数据标准化以后，怎么画SHAP图

SHAP图，是一种根据博弈论方法来解释机器学习模型的方法
具体可以参考：https://zhuanlan.zhihu.com/p/441302127

一直都是用的未标准化的数据去训练模型，并且画dependence plot这些。
但是今天用了标准化后的数据训练模型，然后画dependence plot的时候，得到了下图这种图，显然是不对的。于是简单研究了shap返回结果

#x_trains_M是x_train数据标准化后的结果
explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(x_trains_M)  # 传入特征矩阵X，计算SHAP值
shap_interaction_values = explainer.shap_interaction_values(x_trains_M)
y_base = explainer.expected_value
fig = shap.summary_plot(shap_values, x_trains_M, max_display = 30, show = False)

类似summary_plot，不会太受标准化的影响，但是dependence plot是在反映特征值对结果影响，因此特征值被标准化后，会导致横轴发生变化。打开上述代码生成的shap_values 和shap_interaction_values ，会发现其实每一列y是与特征对应的，每一行x也是与输入特征对应的，因此[x, y]对应着训练集中的一个特征的值。

所以要用标准化前的数据与标准化后得到的shap_values，进行散点图绘图，即可得到dependence plot。此处sofa代表第一个特征，x_trains是标准化前的数据

plt.figure()
plt.scatter(x_trains["sofa"], shap_values[:,0])
plt.axhline(y=0, color="red",linestyle='-')