violin summary plot (小提琴汇总图)

本笔记本旨在演示（并因此记录）如何使用 shap.plots.violin 函数。

它使用在 scikit-learn 库提供的玩具糖尿病数据集上训练的 XGBoost 模型（源 URL：https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html）。

更多信息请参见：https://scikit-learn.cn/stable/datasets/toy_dataset.html#diabetes-dataset。

[10]:

import xgboost

import shap

# train xgboost model on diabetes data:
X, y = shap.datasets.diabetes()
bst = xgboost.train({"learning_rate": 0.01}, xgboost.DMatrix(X, label=y), 100)

# explain the model's prediction using SHAP values
shap_values = shap.TreeExplainer(bst).shap_values(X)

type(shap_values)

[10]:

numpy.ndarray

一个简单的小提琴汇总图

小提琴汇总图紧凑地表示每个特征的 SHAP 值的分布和变异性。各个小提琴图根据特定特征对模型输出的重要性（每个特征的 SHAP 值绝对值之和）堆叠排列。

小提琴图使用“小提琴形状”的图形来显示其各自特征的 SHAP 值的分布和密度。因此，小提琴图可以提供关于特定特征的 SHAP 值分布的范围、变异性、偏度、对称性和多模态性的见解。

总体小提琴汇总图允许比较特征的重要性。更宽的小提琴表示更高的密度和更频繁的值，从而提供关于每个特征相对于模型输出的相对重要性的见解。

[11]:

shap.plots.violin(shap_values)
../../../_images/example_notebooks_api_examples_plots_violin_3_0.png

糖尿病数据集中有 10 个特征可用。

默认情况下，shap.plots.violin 显示的最大特征数为 20。

小提琴汇总图显示的特征数量可以通过 max_display 参数进行调整。

[12]:

shap.plots.violin(shap_values, max_display=3)
../../../_images/example_notebooks_api_examples_plots_violin_5_0.png

默认情况下，标准小提琴汇总图的颜色为蓝色，但可以使用 color 参数更改。

[13]:

shap.plots.violin(shap_values, color="red")
../../../_images/example_notebooks_api_examples_plots_violin_7_0.png

将特征名称作为列表提供有助于汇总图的可视化和解释。

[14]:

feat_names = list(X.columns)
shap.plots.violin(shap_values, feature_names=feat_names)
../../../_images/example_notebooks_api_examples_plots_violin_9_0.png

分层小提琴汇总图

目前支持两种小提琴图类型：“violin”和“layered_violin”。您可以通过 plot_type 参数控制这一点。

分层小提琴汇总图与小提琴汇总图相同，只是不将异常值绘制为散点，并且它提供了关于数据中特征值（高/低）对输出影响的见解。

让我们以糖尿病示例为例。

我们想要基于我们的数据 (X) 和计算出的 shap_values 为我们的案例绘制分层小提琴汇总图。

我们传递的参数包括：- 我们的 shap_values：shap_values - 我们的 features：X - feature_names：feat_names（为了可读性）- 以及感兴趣的 plot_type：“layered_violin”。

[15]:

shap.plots.violin(shap_values, features=X, feature_names=feat_names, plot_type="layered_violin")
../../../_images/example_notebooks_api_examples_plots_violin_12_0.png

我们可以看到，在这种情况下，与标准小提琴图类似，s5 是最重要的变量，并且通常会导致预测发生较大的正向或负向变化。

但是，我们现在也可以了解数据中影响的方向。红色代表变量的大值，蓝色代表所考虑特征的小值。

因此，可以清楚地看到，例如，s5 的大值会增加预测，反之亦然。我们还可以看到，其他特征（如 s6）的分布非常均匀，这表明虽然总体而言它们仍然很重要，但它们的相互作用取决于其他变量。（毕竟，像 xgboost 这样的树模型的全部意义在于捕获这些交互作用，所以我们不能期望在一个维度中看到所有内容！）

绘图尺寸

最后，使用 plot_size 参数，您可以控制汇总图的大小。默认情况下，大小会根据显示的特征数量自动缩放。

传递单个浮点数将使每行的高度为该英寸数。

传递一对浮点数将按该英寸数缩放绘图。

如果传递 None，则当前图形的大小将保持不变。

[16]:

# auto-scaled:
shap.plots.violin(shap_values, feature_names=feat_names)
../../../_images/example_notebooks_api_examples_plots_violin_15_0.png 
[17]:

# each plot is 0.1 inches
shap.plots.violin(shap_values, feature_names=feat_names, plot_size=0.1)
../../../_images/example_notebooks_api_examples_plots_violin_16_0.png 
[18]:

# scale: 1x3 inches
shap.plots.violin(shap_values, feature_names=feat_names, plot_size=(1, 3))
../../../_images/example_notebooks_api_examples_plots_violin_17_0.png

有更多有用的示例的想法吗？欢迎提交拉取请求以添加到此文档笔记本！