shap.maskers.Independent

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

通过对给定背景数据集进行积分来掩盖表格特征。

__init__(data, max_samples=100)

使用给定背景数据构建一个独立掩码器。

参数:

datanumpy.ndarray, pandas.DataFrame

用于掩码的背景数据集。

max_samplesint

从传入的背景数据中使用的最大样本数。如果数据多于 max_samples，则使用 shap.utils.sample 对数据集进行二次采样。从掩码器中（用于积分）输出的样本数与背景数据集中的样本数匹配。这意味着更大的背景数据集会导致更长的运行时间。通常，大约 1、10、100 或 1000 个背景样本是合理的选择。

方法

__init__(data[, max_samples])	使用给定背景数据构建一个独立掩码器。
invariants(x)	这会返回一个掩码，指示哪些特征在被掩码时会发生变化。
load(in_file[, instantiate])	从文件流加载一个表格掩码器。
save(out_file)	将表格掩码器写入文件流。

属性

shape
clustering

invariants(x)

这会返回一个掩码，指示哪些特征在被掩码时会发生变化。

这种可选的掩码方法允许解释器避免在应该被掩码的特征全部不变时重新评估模型。

classmethod load(in_file, instantiate=True)

从文件流加载一个表格掩码器。

save(out_file)

将表格掩码器写入文件流。