Shap解释LSTM时序预测模型（全套代码分享）

用LSTM模型对从网上下载的数据进行预测，用12个时间步预测下个时间步的单个值，每个时间步有7个特征，所以是多步预测单步的模型，最后用shap库的DeepExplainer解释器（适用于深度学习模型，基于模型的梯度计算shap值）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“ETTh2.csv “文件中，如下所示，B列到H列是变量（共7个自变量），滑动窗口为12，序列长度为7，用12×7个数据预测下个时刻的OT（油温）。

源代码使用说明：

代码文件是“LSTM-Shap.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，如果运行报错，可以查看各个库的版本是否太低，大于等于我用的版本就可以

# 加载数据
import to