发行说明

要查看下个版本即将发布的最新更改，请参阅 v0.47.0…master。

v0.47.0

发布于 2025-03-05 - GitHub - PyPI

变更内容

重大变更

  • 为旧版条形图添加弃用警告，并为新的 Explainer API 添加迁移指南，由 @connortann 在 #3739 中完成

新增

修复

文档

  • 修复 shap.datasets.communitiesandcrime 文档中的错误，由 @TommyGiak 在 #3846 中完成
  • 修复 Understanding Tree SHAP 笔记本中的列索引，由 @operte 在 #3749 中完成
  • 重新格式化 API 示例中的散点图笔记本，由 @Xovee 在 #3752 中完成
  • 改进了散点图的类型和文档，由 @connortann 在 #3811 中完成
  • 为一些外部链接使用 intersphinx，由 @thatlittleboy 在 #3851 中完成
  • 固定文档依赖项以实现可重现性，由 @connortann 在 #3885 中完成
  • 修复 LightGBM 的 force plot 中的错别字和描述，由 @davidefiocco 在 #3962 中完成
  • 修复：修复了 introductio 中某些章节标题的 markdown 问题… 由 @CSantos01 在 #3957 中完成
  • 修复 intro notebook 中 beeswarm plot 的注释，由 @davidefiocco 在 #3960 中完成

维护

  • 修复：在测试中显式设置 matplotlib 插值 rcParams，由 @connortann 在 #3953 中完成

其他更改

  • 在 MacOS 运行器上跳过情感分析测试，由 @connortann 在 #3955 中完成
  • 移除已弃用的未使用代码 _build_delta_masked_inputs 和 Explainer._compute_main_effects，由 @connortann 在 #3856 中完成
  • 改进 approximate 参数在 TreeExplainer 中的处理，以保持一致性，并弃用 explainer 的 init 方法中的该参数，由 @CloseChoice 在 #3834 中完成
  • 重构 Tree explainers 中的 feature_perturbation，由 @glemaitre 在 #2624 中完成
  • 测试 decision plot，由 @CloseChoice 在 #3720 中完成
  • Bump ruff，修复规则 E721，由 @connortann 在 #3751 中完成
  • 重构绘图工具和颜色，由 @thatlittleboy 在 #3833 中完成
  • 重构和优化解释操作，由 @thatlittleboy 在 #3850 中完成
  • 修复 CI feedstock 构建，由 @CloseChoice 在 #3862 中完成
  • 为多输出 cohort 调用添加错误，由 @CloseChoice 在 #3870 中完成
  • 修复 beeswarm.ipynb 中的错别字，由 @kamurani 在 #3900 中完成
  • DeepExplainer 文档字符串改进，由 @anitagraser 在 #3892 中完成
  • 在生成新的 summary plots 之前清除绘图，以避免颜色条重叠，由 @chun61205 在 #3921 中完成
  • 支持 summary_plot 的 rng，由 @tylerjereddy 在 #3945 中完成
  • 非树 KernelExplainer 中的小幅加速，由 @tylerjereddy 在 #3983 中完成

新贡献者

完整变更日志: v0.46.0...v0.47.0

v0.46.0

发布于 2024-06-27 - GitHub - PyPI

变更内容

此版本增加了与最新版本的 numpy 和 tensorflow 的兼容性，并包含多项错误修复。

新增

已更改

  • 移除了 shap.summary_plot() 中已弃用的 auto_size_plot 参数。

修复

  • 修复了解释使用 float16 混合精度训练的模型的问题，由 @CloseChoice 在 #3652 中完成
  • 修复了 XGBRegressor 模型的反序列化错误，由 @CloseChoice 在 #3669 中完成

以及更多文档和代码质量方面的改进。

新贡献者

完整变更日志: v0.45.1...v0.46.0

v0.45.1

发布于 2024-05-07 - GitHub - PyPI

这是一个补丁版本，包含一些错误修复。特别是，修复了与加载具有指数损失的 XGBoost 模型相关的错误。

变更内容

新增

已更改

修复

  • 由 @CloseChoice 在 #3616 中修复了加载具有指数损失的 XGBoost 模型的问题
  • 由 @CloseChoice 在 #3558 中修复了深度解释器的调用接口
  • 由 @CloseChoice 在 #3592 中修复了使用 Falcon 语言模型进行文本生成的问题
  • 由 @bewygs 在 #3632 中修复了 lightgbm 编译 (macOS 工作流) 问题
  • 由 @CloseChoice 在 #3616 中修复了加载具有指数损失的 XGBoost 模型的问题

以及由 @bewygs , @CloseChoice , @Hugh-OBrien 完成的一些文档和维护更新

新贡献者

完整更新日志: v0.45.0...v0.45.1

v0.45.0

发布于 2024-03-08 - GitHub - PyPI

这是一个相当重要的版本，包含一些重大更改。

感谢许多新贡献者为此版本的贡献！我们渴望扩大维护者队伍，如果您有兴趣成为团队的一员，请在 #3559 上联系我们。

变更内容

重大变更

  • 在 #3414 中放弃了对 3.8 的支持
  • 由 @CloseChoice 在 #3318 中更改了返回的 SHAP 值的类型和形状，以与模型输出保持一致。现在，具有多个输出的模型的 SHAP 值是 np.ndarray 而不是列表。
  • 由 @thatlittleboy 在 #3340 中移除了 TreeExplainer 和 LinearExplainer 中已弃用的 feature_dependence 参数
  • 由 @connortann 在 #3511 中移除了已弃用的 Coefficient 别名

新增

  • 由 @connortann 在 #3414 中添加了对 python 3.12 的支持
  • 由 @trivialfis 在 #3462 中添加了对最新 CUDA 版本上 GPU 构建的支持
  • 由 @connortann 在 #3533 中通过 pytorch 的延迟导入，导入时间加速 2 倍
  • 由 @richarddli 在 #3494 中添加了在条形图中返回 matplotlib 图形的支持
  • 由 @CloseChoice 在 #3504 中为 tensorflow 深度解释器添加了 selu 激活
  • 由 @CloseChoice 在 #3506 中添加了对 catboost 模型中特殊字符的支持
  • 由 @MonoHue 在 #3530 中添加了在 beeswarm 图中控制标记大小的功能

修复

  • 由 @trivialfis 在 #3462 中修复了 XGBoost 模型加载问题
  • 由 @costrau 在 #3536 中修复了使用某些分词器的文本掩码问题
  • 由 @connortann 在 #3542 中修复了在使用 KernelExplainer 解释 tensorflow 模型时出现的问题
  • 由 @connortann 在 #3547 中修复了 force_plot 负贡献的阈值问题
  • 由 @connortann 在 #3514 中移除了对默认警告过滤器或格式化程序的覆盖

.. 以及由 @CloseChoice , @yuanx749 , @LakshmanKishore 和其他人完成的大量文档、测试和其他维护更新。

新贡献者

完整更新日志: v0.44.1...v0.45.0

v0.44.1

发布于 2024-01-25 - GitHub - PyPI

补丁版本，用于修复 force plot 显示问题。

修复

  • 由 @CloseChoice 在 #3464 中修复了影响 force plot 显示的 HTML 问题
  • 由 @CloseChoice 在 #3459 中修复了 catboost 回归器交互值的计算
  • 由 @CloseChoice 在 #3345 中更新 XGBoost 解析以使用 ubjson 格式，替换已弃用的二进制格式

其他

  • 进一步改进文档

完整更新日志: v0.44.0...v0.44.1

v0.44.0

发布于 2023-12-07 - GitHub - PyPI

此版本包含许多增强功能和错误修复。

变更内容

新增

修复

  • 由 @CloseChoice 在 #3325 中修复了 Windows 上具有特征交互的 CatboostClassifier 解释
  • 由 @vancromy 在 #3314 中修复了将 Xgboost 模型参数传递给 xgboost.DMatrix 的问题
  • 由 @mtlulka 在 #3352 中显式指定 xgboost>=1.4 约束
  • 由 @thatlittleboy 在 #3359 中修复了 DMatrix 到 CSR 矩阵的转换
  • 由 @CloseChoice 在 #3369 中移除了 dependence_plot 中已弃用的 use_line_collection
  • 由 @SomeUserName1 在 #2799 中修复了 scatter 图中与数组重塑相关的错误

文档

新贡献者

完整更新日志: v0.43.0...V0.44.0

v0.43.0

发布于 2023-10-09 - GitHub - PyPI

变更内容

此版本包含许多错误修复和改进。

遵循 NEP 29 弃用策略，此版本放弃了对 python 3.7 的支持。

重大变更

  • 由 @thatlittleboy 在 #3316 中移除了已弃用的 Boston 数据集
  • Explanation.base_values 的形状已在不同的 TreeExplainer 模型之间标准化，始终为 (N,) 形状，而不是 (N,1)。由 @thatlittleboy 在 #3121 中完成

新增

  • 由 @noxthot 在 #3265 中为 Pytorch DeepExplainer 添加了可加性检查（默认激活）
  • 由 @101AlexMartin 在 #3062 中添加了允许在多输出条形图的图例中打印平均 SHAP 值的标志。
  • 由 @connortann 在 #3157 中将热图和小提琴图添加到顶层 API
  • 由 @owenlamont 在 #3199 中将所有 tqdm 导入替换为 tqdm.auto

修复

教程和示例也进行了大量改进，由 @connortann, @znacer, @arshiaar, @thatlittleboy, @dsgibbons, @owenlamont 和 @CloseChoice 完成

新贡献者

完整变更日志: v0.42.1...v0.43.0

v0.42.1

发布于 2023-07-15 - GitHub - PyPI

补丁版本发布，旨在为更广泛的架构提供 wheels。

新增

修复

完整变更日志: v0.42.0...v0.42.1

v0.42.0

发布于 2023-07-06 - GitHub - PyPI

此版本包含许多更改，这些更改最初由 @dsgibbons 的 社区分支 贡献，该分支现已合并到主 shap 仓库中。来自此来源的 PR 在此处标记为 fork#123。

这将是最后一个支持 python 3.7 的版本。

新增

修复

已更改

已移除

维护

v0.41.0

发布于 2022-06-16 - GitHub - PyPI

大量的错误修复和 API 改进。

v0.40.0

发布于 2021-10-20 - GitHub - PyPI

此版本包含许多错误修复和大量新功能，特别是针对基于 transformer 的 NLP 模型。一些亮点包括

  • 新的绘图、错误修复、文档和 NLP 模型解释功能（详见文档）。
  • 重要的排列解释器性能修复，由 @sander-sn 完成
  • 新的联合散点图，可以在同一 y 轴刻度上一次绘制多个
  • 更好的树模型内存使用，由 @morriskurz 完成
  • 新的文档，由 @coryroyce 完成
  • 新的 wheel 构建，由 @PrimozGodec 完成
  • 文档的暗黑模式改进，由 @gialmisi 完成
  • API 调整，由 @c56pony @nsorros @jebarb 完成

v0.39.0

发布于 2021-03-03 - GitHub - PyPI

大量新的文本解释器工作由 @ryserrao 贡献，序列化工作由 @vivekchettiar 贡献！（稍后会记录所有其他更改）

v0.38.1

发布于 2021-01-15 - GitHub - PyPI

修复了 v0.38.0 版本的版本不匹配和序列化更新。

v0.38.0

发布于 2021-01-14 - GitHub - PyPI

此版本包含改进的 Transformer 文本模型解释支持以及对新的基于 Explanation 对象的 API 的支持。具体改进包括

  • 文本解释器中的 Transformer 模型支持，由 @ryserrao 贡献
  • Interventional Tree Explainer GPU 支持，由 @RAMitchell 贡献
  • 图像字幕模型支持，由 @anusham1990 贡献
  • 基准测试改进，由 @maggiewu19 贡献
  • 新的文本和图像可视化，由 @vivekchettiar 贡献
  • 新的解释器序列化支持，由 @vivekchettiar 贡献
  • Linear Explainer 和新 API 的错误修复，由 @heimengqi 贡献
  • 分类绘图的修复，由 @jeffreyftang 贡献
  • CUDA 支持改进，由 @JohnZed 贡献
  • econML 模型支持，由 @vasilismsr 贡献
  • 许多其他错误修复和 API 改进。

v0.37.0

发布于 2020-11-04 - GitHub - PyPI

此版本包含对新 API 的更多支持、许多错误修复以及初步的模型无关文本/图像解释器支持（仍为 beta 版）。具体贡献包括

  • Sampling Explainer 样本计数问题修复，由 @tcbegley 贡献
  • 添加多柱状图绘制支持。
  • 初步支持队列。
  • 修复了一个导入错误，由 @suragnair 贡献
  • 修复了 Tree Explainer 在 max_features < 1 的隔离森林中存在的问题，由 @zhanjiezhu 贡献
  • 大量的文档清理和更新，由 @lrjball 贡献
  • 拼写错误修复，由 @anusham1990 贡献
  • 为 Exact Explainer 添加了一个文档笔记本。
  • 文本和图像解释器，由 @anusham1990 和 Ryan Serrao 贡献
  • shap.utils.hclust 的错误修复
  • 初步支持 InterpretML EBM 模型。
  • 为 Explainer 对象添加了列分组功能。
  • 修复了 PyTorch 的 Deep Explainer 中的循环索引错误，由 @quentinRaq 贡献
  • 初步的文本到文本可视化概念，由 @vivekchettiar 贡献
  • 颜色转换警告修复，由 @wangjoshuah 贡献
  • 修复了 Kernel Explainer 中使用伪逆的求逆性问题，由 @PrimozGodec 贡献
  • 新的基准代码，由 @maggiewu19 和 @vivekchettiar 贡献
  • 其他小的错误修复和增强功能。

v0.36.0

发布于 2020-08-27 - GitHub - PyPI

此版本包含对 SHAP 代码库的重大重构，使其成为新的（更简洁的）API。应保留完全的向后兼容性，但现在大多数功能都可以在新 API 的位置找到。请注意，此 API 仍处于 beta 版形式，因此在下一个版本发布之前，请勿将其用于生产代码。亮点包括

  • 一个新的 shap.Explainer 对象，可以根据给定的模型和掩码数据集自动选择解释器。
  • 一个新的 shap.Explanation 对象，允许并行切片数据、SHAP 值、基本值（期望值）和其他特定于解释的元素。
  • 一个新的 shap.maskers.* 模块，将各种掩码（即扰动/隐藏）特征的方法与算法本身分开。
  • 一个新的 shap.explainers.Partition explainer，可以非常快速地解释任何文本或图像模型。
  • 一个新的 shap.maskers.Partition masker，确保紧密分组的特征被一致地扰动，从而防止“不真实的”模型输入不适当地影响模型预测。它还允许对“结构化博弈”（联盟根据层次聚类结构化）精确地进行二次时间计算 SHAP 值。
  • 一个新的 shap.plots.* 模块，其中包含改进的绘图类型，所有这些类型都支持新的 API。现在绘图的命名更加直接，因此 summary_plot（默认）变为 beeswarm，dependent_plot 变为 scatter。并非所有绘图都已移植到新 API，但大多数已移植。
  • 一个新的 notebooks/plots/* 目录，其中提供了有关如何使用新绘图功能的示例。
  • 一个新的 shap.plots.bar 函数，用于直接创建条形图，并显示层次聚类结构，以将冗余特征分组在一起，并显示 Partition explainer 使用的结构（该结构依赖于 Owen 值，Owen 值是 Shapley 值的扩展）。
  • 等效性检查修复，由 @jameslamb 贡献
  • 稀疏 k 均值支持，由 @PrimozGodec 贡献
  • Pytorch 错误修复，由 @rightx2 贡献
  • NPM JS 代码清理，由 @SachinVarghese 贡献
  • logit force plot 错误修复，由 @ehuijzer 贡献
  • Decision plot 文档更新，由 @floidgilbert 贡献
  • sklearn GBM 修复，由 @ChemEngDataSci 贡献
  • XGBoost 1.1 修复，由 @lrjball 贡献
  • 使 SHAP spark 可序列化，由 @QuentinAmbard 贡献
  • 自定义 summary plot 颜色图，由 @nasir-bhanpuri 贡献
  • KernelSHAP 的字符串输入支持，由 @YotamElor 贡献
  • 文档修复，由 @imatiach-msft 贡献
  • GPBoost 支持，由 @fabsig 贡献
  • 导入错误修复，由 @gracecarrillo 和 @aokeson 贡献

0.35.0

发布于 2020-02-27 - GitHub - PyPI

此版本包括

  • 更好地支持 TensorFlow 2（感谢 @imatiach-msft）
  • TreeExplainer 中对 NGBoost 模型的支持（感谢 @zhiruiwang）
  • TreeExplainer 支持新的 sklearn.ensemble.HistGradientBoosting 模型。
  • 改进了图像和文本的 PartitionExplainer 版本。
  • IBM zOS 兼容性，由 @DorianCzichotzki 贡献。
  • 对 XGBoost 1.0 的支持
  • 许多错误修复，由 Ivan、Christian Paul、@RandallJEllis 和 @ibuda 贡献。

0.34.0

发布于 2019-12-27 - GitHub - PyPI

此版本包括

  • 许多小的错误修复。
  • 改进了旋转期间的 matplotlib 文本对齐，由 @koomie 贡献
  • 清理了 C++ Transformer 代码，以便更轻松地进行 PR。
  • 修复了 TreeExplainer 中过于严格的 check_additivity 容差 #950
  • 更新了 LinearExplainer API 以匹配 TreeExplainer
  • 允许在 summary_plot 中自定义类排序，由 @SimonStreicher 贡献

0.33.0

发布于 2019-12-11 - GitHub - PyPI

此版本包含各种错误修复和新功能，包括

  • 添加了对 TreeExplainer 的 PySpark 支持，由 @QuentinAmbard 贡献
  • 一种新的绘图类型，是 force_plot 的替代方案，即 waterfall_plot
  • 一个新的 PermutationExplainer，是 KernelExplainer 和 SamplingExplainer 的替代方案。
  • 为 PyTorch 的 GradientExplainer 添加了 return_variances，由 @s6juncheng 贡献
  • 现在我们在 TreeExplainer 中使用异常而不是断言，由 @ssaamm 贡献
  • 修复了 image_plot 转置问题，由 @Jimbotsai 贡献
  • 修复了颜色栏轴附件问题，由 Lasse Valentini Jensen 贡献
  • 修复了 PyTorch 中的张量附件问题，由 @gabrieltseng 贡献
  • 修复了 summary_pot 中的颜色剪切范围，由 @joelostblom 贡献
  • 解决了 sklearn 0.22 API 更改，由 @lemon-yellow 贡献
  • 确保 matplotlib 是可选的，由 @imatiach-msft 贡献

0.32.1

发布于 2019-11-06 - GitHub - PyPI

此版本仅旨在从 travis 和 appveyor 中推出更好的自动部署包。

0.32.0

发布于 2019-11-06 - GitHub - PyPI

此版本包括

  • 对 sklearn 隔离森林的支持，由 @JiechengZhao 贡献
  • 新的 check_additivity 测试，以确保 DeepExplainer 和 TreeExplainer 中没有错误
  • 修复 #861, #860
  • 修复了缺失的 readme 示例 html 文件
  • 对 spark 决策树回归器的支持，由 @QuentinAmbard 贡献
  • 更好的安全 isinstance 检查，由 @parsatorb 贡献
  • 修复了 TF < 2 中的 eager execution，由 @bottydim 贡献

0.31.0

发布于 2019-10-21 - GitHub - PyPI

此版本包含多个新功能和错误修复

  • GradientExplainer 现在支持 TensorFlow 2.0。
  • 我们现在对绘图依赖项进行延迟加载，这意味着 pip install 不再需要同时拉取 matplotlib、skimage 和 ipython。这应该使安装更轻量级，尤其是那些不需要绘图的安装 :)
  • 添加了一个新的 BruteForceExplainer，用于在小问题上轻松测试和比较。
  • 添加了一个新的 partial_dependence_plot 函数。此函数将用于说明未来示例笔记本中偏依赖图和 SHAP 值之间的密切联系。
  • 处理 LinearExplainer 中没有截距的多类情况，由 @gabrieltseng 贡献
  • pip install 期间的一些 extras_require 选项，由 @AbdealiJK 贡献
  • 其他小的错误修复和更新

0.30.2

发布于 2019-10-09 - GitHub - PyPI

此版本主要是为了删除 setup.py 中不存在的 dill 依赖项。它还包括

0.30.1

发布于 2019-09-09 - GitHub - PyPI

  • 修复了最近 sklearn 版本的树模型中浮点舍入不匹配的问题
  • 更新以允许 TreeExplainer 更轻松地加载自定义树集成模型。
  • decision_plot 文档更新，由 @floidgilbert 贡献

0.30.0

发布于 2019-08-31 - GitHub - PyPI

0.29.3

发布于 2019-06-19 - GitHub - PyPI

  • 修复了 TensorFlow 1.14 中的更改导致的 DeepExplainer 问题。

0.29.2

发布于 2019-06-19 - GitHub - PyPI

各种错误修复和改进，包括

  • 为 CatBoost 添加了二元分类的 SHAP 值，由 @dvpolyakov 贡献
  • 绘图的整数除法修复，由 @pmeier-tiplu 贡献
  • 支持将 Axes 对象传递给 dependence_plot，由 @mqk 贡献
  • 添加了自适应平均池化层和 conv 转置层，由 @gabrieltseng 贡献
  • 修复了缺少 matplotlib 后端的导入错误，由 @hchandola 贡献
  • 修复了 TreeExplainer GradientBoostingClassifier 错误，由 @prempiyush 贡献
  • 使 tqdm 在笔记本中更好地工作，由 @KOLANICH 贡献
  • 允许 deep_pytorch 使用 cuda 模型，由 @juliusbierk 贡献
  • 修复了 sklearn GradientBoostingRegressor 错误，由 @nasir-bhanpuri 贡献
  • 为 shap linear explainer 添加了稀疏支持，由 @imatiach-msft 贡献

0.29.1

发布于 2019-05-15 - GitHub - PyPI

修复了对最新版本 sklearn 中的更改的支持

0.29.0

发布于 2019-05-14 - GitHub - PyPI

此版本的一些贡献亮点（按时间顺序排列）

  • 更好的测试，由 @jorgecarleitao 贡献
  • 图像绘图自定义，由 @verdimrc 贡献
  • DeepExplainer 中对 PyTorch 的批归一化支持，由 @JiechengZhao 贡献
  • pytorch deep explainer 的 Leaky ReLU 和其他 conv 层支持，由 @gabrieltseng 贡献
  • 修复了梯度解释器中的 keras 多输入问题，并改进了随机种子，由 @moritzaugustin 提供。
  • 支持 catBoost 排序器，由 @doramir 提供。
  • 为 TreeExplainer 添加了 XGBRanker 和 LGBMRanker，由 @imatiach-msft 提供。
  • 修复了 DeepExplainer 中使用 tf.keras 的嵌入查找问题，由 @andriy-nikolov 提供。
  • 自定义 dependence_plot 颜色映射，由 @rcarneva 提供。
  • 修复了 CatBoost 模型可能出现的除零问题，由 @dvpolyakov 提供。
  • 许多其他的错误修复/改进！

0.28.5

发布于 2019-02-16 - GitHub - PyPI

此版本仅用于刷新 AppVeyor 上未完成的 0.28.4 的 Windows 构建。

0.28.4

发布于 2019-02-16 - GitHub - PyPI

  • 修复了 TreeExplainer 的内存损坏错误（由 @imatiach-msft 提供）。
  • 增加了对 skopt Random Forest 和 ExtraTrees Regressors 的支持（由 @Bacoknight 提供）。
  • 增加了对带有文本旋转的 matplotlib forceplot 的支持（由 @vatsan 提供）。
  • 增加了一个 save_html 函数

0.28.3

发布于 2019-01-24 - GitHub - PyPI

  • 修复了 0.28 引入的一些绘图颜色问题（例如 #406）。

0.28.2

发布于 2019-01-23 - GitHub - PyPI

  • 降级 numpy API 使用以支持旧版本。

0.28.1

发布于 2019-01-23 - GitHub - PyPI

  • 修复了在 Windows 上加载 XGBoost 模型时的字节对齐问题。
  • 现在匹配 XGBoost 模型中的 tree_limit 使用，由 @HughChen 提供。
  • 修复了 TreeExplainer 中转换模型输出的 expected_value 问题

0.28.0

发布于 2019-01-21 - GitHub - PyPI

  • 在 KernelExplainer 中添加了对基于秩的特征选择的支持。
  • 在 KernelExplainer 中弃用 l1_reg="auto"，最终将默认设置为 l1_reg="num_features(10)"
  • 基于 Lch 色彩空间的新颜色标度。
  • 多类汇总图的更好的自动颜色选择。
  • 更好地绘制 dependence_plots 中的 NaN 值
  • 更新以支持 Pytorch 1.0，由 @gabrieltseng 提供。
  • 修复了 sklearn DecisionTreeClassifier 的处理，以正确归一化到概率输出
  • 当 feature_dependence="independent" 时，为 TreeExplainer 启用多输出模型支持
  • 正确加载 LightGBM 模型的目标函数，用于解释模型损失。
  • 修复了与 sklearn 模型的数值精度不匹配问题。
  • 通过现在直接从内存而不是 JSON 加载，修复了与 XGBoost 模型的数值精度不匹配问题。

0.27.0

发布于 2019-01-01 - GitHub - PyPI

  • 更好的分层聚类排序，现在旋转子树以提供更多的连续性。
  • 解决 XGBoost JSON 问题。
  • 在进行自动交互检测时考虑 NaN。
  • PyTorch 修复。
  • 更新了 LinearExplainer。

0.26.0

发布于 2018-12-12 - GitHub - PyPI

  • 完全重构 TreeExplainer 以支持更深入的 C++ 集成
  • 能够在 TreeExplainer 中解释树模型的转换输出，包括损失。与 @HughChen 合作完成
  • 允许在 DeepExplainer 中使用动态参考值，由 @AvantiShri 提供。
  • 为分类 dependence plots 添加 x_jitter 选项，由 @ihopethiswillfi 提供。
  • 增加了对带有分位数损失的 GradientBoostingRegressor 的支持，由 @dmilad 提供。
  • 更好地支持绘制 NaN 值
  • 修复了几个错误。

0.25.2

发布于 2018-11-09 - GitHub - PyPI

  • 允许将 ordering_keys 传递给 force_plot，由 @JasonTam 提供。
  • 修复了 KernelExplainer 的稀疏非零背景问题，由 @imatiach-msft 提供。
  • 修复以支持 DeepExplainer 中的 tf.concat。

0.25.1

发布于 2018-11-08 - GitHub - PyPI

修复了 tree_shap.h 未包含在 pip 包中的问题。

0.25.0

发布于 2018-11-07 - GitHub - PyPI

  • 在 GradientExplainer 中支持 PyTorch，并在 DeepExplainer 中初步支持 PyTorch，由 @gabrieltseng 提供。
  • matplotlib 版本的单样本 force_plot，由 @jverre 提供。
  • 在 GradientExplainer 中支持函数式 Keras 模型。
  • KernelExplainer 速度改进。
  • 各种性能改进和错误修复。

0.24.0

发布于 2018-08-24 - GitHub - PyPI

新改进包括：更快的 KernelExplainer 执行速度（针对稀疏输入）。支持 sklearn 梯度提升分类器。DeepExplainer 扩展以支持非常深的模型。

0.23.1

发布于 2018-08-16 - GitHub - PyPI

这修复了 DeepExplainer 中 softmax 运算符的数值稳定性问题。它还修复了 image_plot 的一个小的对齐问题。

0.23.0

发布于 2018-08-16 - GitHub - PyPI

此版本包含一个不错的更新，由 @imatiach-msft 为 KernelExplainer 提供。KernelExplainer 现在运行更快，并支持稀疏数据矩阵！

我们还重构了 DeepExplainer，使其与 TensorFlow 1.10 兼容。仍然有一些问题需要追踪，但 DeepExplainer 正在变得更加完善 :)

v0.22.3

发布于 2018-08-09 - GitHub - PyPI

修复了 TensorFlow >= 1.9 上 DeepExplainer 的问题。修复了一个条形图绘制问题。

v0.22.2

发布于 2018-08-08 - GitHub - PyPI

修复了 other 解释器的 pip 打包错误。

v0.22.1

发布于 2018-08-08 - GitHub - PyPI

修复了从 pip 安装时，上一个版本中引入的导入错误。

v0.22.0

发布于 2018-08-08 - GitHub - PyPI

将 iml 中的 JS 代码集成到 shap 中，以简化依赖关系。在 DeepExplainer 中增加了对更多 TensorFlow 组件的支持。重构了绘图函数，并删除了一些长期弃用的函数。修复了在使用非零参考值时 KernelExplainer 中的错误 (#192)。

v0.21.0

发布于 2018-07-24 - GitHub - PyPI

一个新的 LinearExplainer，可以估计线性模型的 SHAP 值，同时考虑输入特征之间的相关性。

v0.20.2

发布于 2018-07-23 - GitHub - PyPI

修复了 LightGBM 中分类特征的一些问题。还修复了 v.20 API 更改引起的一些问题。

v0.20.1

发布于 2018-07-17 - GitHub - PyPI

这只是一个用于构建 Windows wheel 文件的标签。

v0.20.0

发布于 2018-07-17 - GitHub - PyPI

此版本带来了重大的接口更改。模型的期望值不再包含在返回的 shap_values 数组的最后一列。相反，可以通过 explainer.expected_value 访问它。这将使未来的事情更加清晰，因为 shap_values 矩阵的形状现在将与模型的输入数组完全相同。这对于具有多维输入张量的深度学习模型尤其重要。请注意，由于此更改，shap.force_plot() 现在需要模型的期望（基准）值作为第一个参数。

v0.19.5

发布于 2018-07-13 - GitHub - PyPI

除了其他内容外，还增加了对嵌入层和 LSTM dropout 的支持。

v0.19.4

发布于 2018-07-12 - GitHub - PyPI

DeepExplainer 现在支持 LSTM 使用的 TensorFlow 组件。

V0.19.3: v0.19.3

发布于 2018-07-07 - GitHub - PyPI

DeepExplainer 和 GradientExplainer 的完整功能实现现已可用。

v0.19.2

发布于 2018-06-29 - GitHub - PyPI

修复了解释 sklearn 模型时的一个重要错误 (#137)。

v0.19.1

发布于 2018-06-28 - GitHub - PyPI

这标志着在潜在的接口更改之前的最后一个版本，以支持 DeepExplainer 中的多维输入。