shap.KernelExplainer

class shap.KernelExplainer(model, data, feature_names=None, link='identity', **kwargs)

使用 Kernel SHAP 方法来解释任何函数的输出。

Kernel SHAP 是一种使用特殊的加权线性回归来计算每个特征重要性的方法。计算出的重要性值是博弈论中的 Shapley 值，也是局部线性回归的系数。

参数:
model函数或 iml.Model

用户提供的函数，它接受样本矩阵（# 样本 x # 特征）并计算这些样本的模型输出。输出可以是向量（# 样本）或矩阵（# 样本 x # 模型输出）。

datanumpy.array 或 pandas.DataFrame 或 shap.common.DenseData 或任何 scipy.sparse 矩阵

用于积分出特征的背景数据集。为了确定特征的影响，该特征被设置为“缺失”，并观察模型输出的变化。由于大多数模型并非设计为在测试时处理任意缺失数据，我们通过将特征替换为它在背景数据集中的值来模拟“缺失”。因此，如果背景数据集是所有零的简单样本，那么我们将通过将其设置为零来近似特征缺失。对于小问题，此背景数据集可以是整个训练集，但对于较大的问题，请考虑使用单个参考值或使用 kmeans 函数来汇总数据集。注意：对于稀疏情况，我们接受任何稀疏矩阵，但为了性能而转换为 lil 格式。

feature_nameslist

背景数据集中特征的名称。如果背景数据集以 pandas.DataFrame 的形式提供，则可以将 feature_names 设置为 None（默认值），并且特征名称将取自 dataframe 的列名。

link“identity” 或 “logit”

广义线性模型链接，用于将特征重要性值连接到模型输出。由于特征重要性值 phi 总和为模型输出，因此通常使用链接函数将它们连接到输出是有意义的，其中 link(output) = sum(phi)。默认值为 “identity”（无操作）。如果模型输出是概率，则可以使用 “logit” 将 SHAP 值转换为对数几率单位。

示例

参见 Kernel Explainer 示例。

__init__(model, data, feature_names=None, link='identity', **kwargs)

为传递的模型构建一个新的解释器。

参数:
model对象或函数

用户提供的函数或模型对象，它接受样本数据集并计算这些样本的模型输出。

masker函数、numpy.array、pandas.DataFrame、tokenizer、None 或这些的列表，用于每个模型输入

用于“掩盖”隐藏特征的函数，形式为 masked_args = masker(*model_args, mask=mask)。它接受与模型相同形式的输入，但仅适用于具有二进制掩码的单个样本，然后返回掩盖样本的迭代器。然后将使用模型函数评估这些掩盖样本，并对输出进行平均。作为 SHAP 使用的标准掩盖的快捷方式，您可以传递背景数据矩阵而不是函数，并且该矩阵将用于掩盖。特定于领域的掩盖函数在 shap 中可用，例如用于图像的 shap.ImageMasker 和用于文本的 shap.TokenMasker。除了确定如何替换隐藏特征外，掩码器还可以约束用于解释模型的合作博弈规则。例如，shap.TabularMasker(data, hclustering=”correlation”) 将对博弈强制执行联盟的层次聚类（在这种特殊情况下，归因被称为 Owen 值）。

link函数

用于在模型输出单位和 SHAP 值单位之间映射的链接函数。默认情况下，它是 shap.links.identity，但 shap.links.logit 可能很有用，这样期望以概率单位计算，而解释保持在（更自然地可加的）对数几率单位。有关链接函数如何工作的更多详细信息，请参阅广义线性模型的链接函数的任何概述。

algorithm“auto”、“permutation”、“partition”、“tree” 或 “linear”

用于估计 Shapley 值的算法。可以使用许多不同的算法来估计 Shapley 值（以及约束博弈的相关值），这些算法中的每一种都有不同的权衡，并且在不同的情况下是优选的。默认情况下，“auto” 选项尝试根据传递的模型和掩码器做出最佳选择，但始终可以通过传递特定算法的名称来覆盖此选择。使用的算法类型将决定此构造函数返回的子类对象的类型，如果您喜欢或需要更精细地控制其选项，您也可以直接构建这些子类。

output_namesNone 或字符串列表

模型输出的名称。例如，如果模型是图像分类器，则 output_names 将是所有输出类别的名称。此参数是可选的。当 output_names 为 None 时，此解释器生成的 Explanation 对象将没有任何 output_names，这可能会影响下游绘图。

seed: None 或 int

用于可重复性的种子

方法

__init__(model, data[, feature_names, link])

为传递的模型构建一个新的解释器。

addsample(x, m, w)

allocate()

explain(incoming_instance, **kwargs)

explain_row(*row_args, max_evals, ...)

解释单行并返回元组 (row_values, row_expected_values, row_mask_shapes, main_effects)。

load(in_file[, model_loader, masker_loader, ...])

从给定的文件流加载 Explainer。

not_equal(i, j)

run()

save(out_file[, model_saver, masker_saver])

将解释器写入给定的文件流。

shap_values(X, **kwargs)

估计一组样本的 SHAP 值。

solve(fraction_evaluated, dim)

supports_model_with_masker(model, masker)

确定此解释器是否可以处理给定的模型。

varying_groups(x)

explain_row(*row_args, max_evals, main_effects, error_bounds, outputs, silent, **kwargs)

解释单行并返回元组 (row_values, row_expected_values, row_mask_shapes, main_effects)。

这是一个抽象方法，旨在由每个子类实现。

返回:
元组

一个元组 (row_values, row_expected_values, row_mask_shapes)，其中 row_values 是每个样本的归因值数组，row_expected_values 是表示每个样本的模型期望值的数组（或单个值）（除非存在固定输入，否则所有样本都相同，例如解释损失时的标签），row_mask_shapes 是所有输入形状的列表（因为 row_values 始终是扁平化的），

classmethod load(in_file, model_loader=<bound method Model.load of <class 'shap.models._model.Model'>>, masker_loader=<bound method Serializable.load of <class 'shap.maskers._masker.Masker'>>, instantiate=True)

从给定的文件流加载 Explainer。

参数:
in_file要从中加载对象的文件流。
save(out_file, model_saver='.save', masker_saver='.save')

将解释器写入给定的文件流。

shap_values(X, **kwargs)

估计一组样本的 SHAP 值。

参数:
Xnumpy.array 或 pandas.DataFrame 或任何 scipy.sparse 矩阵

要解释模型输出的样本矩阵（# 样本 x # 特征）。

nsamples“auto” 或 int

在解释每个预测时重新评估模型的次数。更多样本会导致 SHAP 值的方差估计更低。“auto” 设置使用 nsamples = 2 * X.shape[1] + 2048。

l1_reg“num_features(int)”、“aic”、“bic” 或 float

用于特征选择的 l1 正则化。估计过程基于去偏 lasso。

  • “num_features(int)” 选择固定数量的顶部特征。

  • “aic” 和 “bic” 选项使用 AIC 和 BIC 规则进行正则化。

  • 直接传递浮点数会设置用于特征选择的 sklearn.linear_model.Lasso 模型的 “alpha” 参数。

  • “auto”（已弃用）：当枚举的可能样本空间小于 20% 时，使用 “aic”，否则不使用正则化。

在 0.47.0 版本中更改: 默认值从 "auto" 更改为 "num_features(10)"。

silent: bool

如果为 True，则隐藏 tqdm 进度条。默认为 False。

gc_collectbool

在每个解释轮次后运行垃圾回收。有时对于内存密集型解释是必需的（默认为 False）。

返回:
np.array 或 list

估计的 SHAP 值，通常形状为 (# 样本 x # 特征)。

每行总和为该样本的模型输出与模型输出的期望值（存储为解释器的 expected_value 属性）之间的差值。

返回值的类型和形状取决于模型输入和输出的数量

  • 一个输入，一个输出：形状为 (#num_samples, *X.shape[1:]) 的数组。

  • 一个输入，多个输出：形状为 (#num_samples, *X.shape[1:], #num_outputs) 的数组

  • 多个输入：形状如上所述的数组列表。

在 0.45.0 版本中更改: 具有多个输出和一个输入的模型的返回类型从列表更改为 np.ndarray。

static supports_model_with_masker(model, masker)

确定此解释器是否可以处理给定的模型。

这是一个抽象静态方法，旨在由每个子类实现。