Python SHAP summary_plot()方法修改及画出蜂窝图的解决方式

最新推荐文章于 2025-03-14 15:13:09 发布

小张奔小康

最新推荐文章于 2025-03-14 15:13:09 发布

阅读量2w

点赞数 6

文章标签： python

本文链接：https://blog.csdn.net/weixin_42294077/article/details/119653201

版权

本文介绍了Python SHAP库中summary_plot()函数在8月的更新，导致图表显示从特征的SHAP值变为mean(|SHAP值|)。作者提供了如何通过官方文档找到解决方案，即使用shap.plots.beeswarm()函数恢复原来的行为，展示了调整后的代码及运行结果。文章强调了理解SHAP值在模型解释中的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

8月上旬使用Python SHAP中 summary_plot()时，画出来的图依然是各特征的shap value，图状为beeswarm，但在中旬重新跑该段代码时，画出来的图为mean(|shap value|)，图状为柱状图。

SHAP修改之后：

fig = plt.figure()
shap.summary_plot(shap_values, data[cols], show = False, max_display = 30)
plt.tight_layout()
plt.show()

效果如下图：
在这里插入图片描述

此时画出来的图默认是SHAP value 的mean value。
这是Python SHAP在8月近期对shap.summary_plot()的修改，此前会直接画出模型中各个特征SHAP值，这可以更好地理解整体模式，并允许发现预测异常值。每一行代表一个特征，横坐标为SHAP值。一个点代表一个样本，颜色表示特征值(红色高，蓝色低)。

因此去查询了SHAP的官方文档，发现依然可以通过shap.plots.beeswarm()实现上述功能。

# train XGBoost model
X,y = shap.datasets.adult()
model = xgboost.XGBClassifier().fit(X, y)

# compute SHAP values
explainer = shap.Explainer(model, X)
shap_values = explainer(X)