shap.maskers.Independent

class shap.maskers.Independent(data, max_samples=100)

这通过在给定的背景数据集上积分来屏蔽表格特征。

__init__(data, max_samples=100)

使用给定的背景数据构建 Independent 掩码器。

参数:

datanumpy.ndarray, pandas.DataFrame: 用于掩码的背景数据集。
max_samplesint: 从传递的背景数据中使用的最大样本数。如果数据超过 max_samples，则使用 shap.utils.sample 对数据集进行二次抽样。从掩码器输出（要积分）的样本数与背景数据集中的样本数匹配。这意味着较大的背景数据集会导致更长的运行时间。通常，1、10、100 或 1000 个背景样本是合理的选择。

方法

`__init__`(data[, max_samples])	使用给定的背景数据构建 Independent 掩码器。
`invariants`(x)	这返回一个掩码，指示当我们屏蔽特征时哪些特征会发生变化。
`load`(in_file[, instantiate])	从文件流加载 Tabular 掩码器。
`save`(out_file)	将 Tabular 掩码器写入文件流。

invariants(x)

这返回一个掩码，指示当我们屏蔽特征时哪些特征会发生变化。

这种可选的掩码方法允许解释器在将被屏蔽的特征都是不变的情况下避免重新评估模型。