【Python特征工程系列】利用SHAP进行特征重要性分析-决策树模型为例（案例+源码）

最新推荐文章于 2025-03-17 17:15:50 发布

数据杂坛

最新推荐文章于 2025-03-17 17:15:50 发布

阅读量9.4k

点赞数 23

分类专栏：特征工程文章标签： python 决策树机器学习

本文链接：https://blog.csdn.net/sinat_41858359/article/details/139282942

版权

特征工程专栏收录该内容

32 篇文章

订阅专栏

这是我的第290篇原创文章。

一、引言

SHAP 属于模型事后解释的方法，它的核心思想是计算特征对模型输出的边际贡献，再从全局和局部两个层面对“黑盒模型”进行解释。SHAP构建一个加性的解释模型，所有的特征都视为“贡献者”。

对于每个预测样本，模型都产生一个预测值，SHAP value就是该样本中每个特征所分配到的数值。

基本思想：计算一个特征加入到模型时的边际贡献，然后考虑到该特征在所有的特征序列的情况下不同的边际贡献，取均值，即某该特征的SHAP baseline value

SHAP值就是一种帮助我们理解机器学习模型是如何做出预测的工具，它通过分析每个特征对预测结果的影响，让我们能够更清楚地看到模型是如何“思考”的。

通过计算SHAP值，我们可以：

解释单个预测：了解每个特征如何影响单个样本的模型预测。
全局解释：通过平均多个样本的SHAP值，了解特征对模型预测的总体影响。
特征选择：识别对模型预测最重要的特征。

本文展示了如何使用条形图和蜂群图来可视化全局特征重要性。

二、实现过程

2.1 准备数据

# 准备数据
data = pd.read_csv(r'dataset.csv')
df = pd.DataFrame(data)
# 提取目标变量和特征变量
target = 'target'
features = df.columns.drop(target)
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(df[features], df[target], test_size=0.2, random_state=0)

df：

2.2 模型训练

# 模型的构建与训练
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

2.3 创建SHAP解释器

# 创建Explainer
explainer = shap.TreeExplainer(model, X_test)
# 以numpy数组的形式输出SHAP值
shap_values = explainer.shap_values(X_test)
print(shap_values)     # shap_values = shap_obj.values
# # 以SHAP的Explanation对象形式输出SHAP值
shap_obj = explainer(X_test)
print(shap_obj.values)

shap_values是一个三维数组(60, 13, 2)，60样本，13特征，2个类别的shap值，

shap_values[0]是一个二维数组（13，2）是第1个样本13特征，2个类别的shap值，shap_values[1]是一个二维数组（13，2）是第2个样本13特征，2个类别的shap值，

shap_values[0][0]是一个一维数组（2，）是第1个样本第1个特征，2个类别的shap值，shap_values[1][0]是一个一维数组（13，2）是第2个样本第一个特征，2个类别的shap值，

shap_values[0][0][0]是一个数值（），表示第1个样本第1个特征第1类别的shap值，shap_values[0][0][1]是一个数值，表示第1个样本第1个特征，第2个类别的shap值。

shap_values[:,:,0]是一个二维数组（60，13），表示60个样本，13个特征第一个类别的shap值。

2.4 绘制全局条形图

SHAP提供了一种全局特征重要性图的方法，这种方法考虑了所有样本，并计算每个特征的平均绝对SHAP值：

shap.summary_plot(shap_values, X_test)

这个图在低版本的shap能够跑出来，在高版本的shap中可能报错，可以用下面的函数替代：

shap.plots.bar(shap_obj[:,:,0])

2.5 绘制全局蜂群图

蜂群图（Beeswarm Plot）是另一种可视化特征重要性和影响的方法。蜂群图旨在显示数据集中的TOP特征如何影响模型输出的信息密集摘要。

shap.plots.beeswarm(shap_obj[:,:,0], show=True)   # 全局蜂群图

给定解释的每个实例由每个特征流上的一个点表示；点的 x 位置由该特征的 SHAP 值 ( shap_values.value[instance,feature]) 确定，并且点沿每个特征行“堆积”以显示密度；

条形图与蜂群图的对比，条形图就只是展示了蜂群图的平均值。

作者简介：

读研期间发表6篇SCI数据挖掘相关论文，现在某研究院从事数据算法相关科研工作，结合自身科研实践经历不定期分享关于Python、机器学习、深度学习、人工智能系列基础知识与应用案例。致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。需要数据集和源码的小伙伴可以关注底部公众号添加作者微信。