Shap解释Transformer多分类模型（全套代码分享）

最近看的很多论文中都用到了Shap解释去分析机器学习模型，用来评估变量的重要性等等，于是产生了用Shap分析刚训练好的Transformer模型的想法，找了半天居然没有这方面的论文，最后认真研究了Shap库的官方文档，发现思路可行，思路分享如下

用Transformer模型对从nhanes数据库中下载的数据进行多分类，用了4层encoder和1层全连接层，之后对模型进行评估，计算测试集准确率、召回率、f1分数等指标，最后用shap解释模型，并绘制自变量重要性汇总图、单变量依赖图等8类图片。

数据说明：

源数据在“mydata.xlsx“文件中，如下所示，A列到O列是自变量（共15个自变量），第一行是变量名称，数据是从nhanes数据库中下载的，不知道含义的可以在网站中搜索（NHANES Variables (clinicalscientists.cn)）。P列是结局变量，0或1或2，三分类。从网站下载的数据只有二分类，这里把一部分的1直接改成了2，强行变为多分类，所以训练集的准确率不高，替换为自己的数据集就好了。

源代码使用说明：

代码文件是“transformer做卒中分类.py“，建议用pycharm打开，运行结束后可以看到所有的图片和变量。建模流程说明如下：

第一步 导入python第三方库

首先保证你安装了下图中的库&#