表格示例

这些示例解释了应用于表格数据的机器学习模型。它们都来自 Jupyter 笔记本 在 GitHub 上可用。

基于树的模型

演示如何解释基于树的机器学习模型的示例。

• XGBoost 中的基本 SHAP 交互值示例
• Catboost 教程
• 使用 LightGBM 进行人口普查收入分类
• 使用 XGBoost 进行人口普查收入分类
• 将自定义树模型加载到 SHAP 的示例
• 解释简单的 OR 函数
• 解释树模型的损失
• 使用 XGBoost 拟合线性模拟
• 力图颜色
• 首页示例 (XGBoost)
• 使用 XGBoost 进行英雄联盟胜率预测
• NHANES I 生存模型
• shap 值计算的梯度提升库的速度比较
• Tree SHAP 的 Python 版本
• 散点密度图 vs. 小提琴图
• 理解简单模型的 Tree SHAP

线性模型

演示如何解释线性机器学习模型的示例。

• 解释使用标准化特征的模型
• 具有相关性特征扰动的 LinearExplainer 背后的数学原理
• 使用 Logistic Regression 进行情感分析

神经网络

演示如何解释基于神经网络的机器学习模型的示例。

• 使用 Keras 进行人口普查收入分类

模型无关

演示如何解释任意机器学习管道的示例。

• 使用 scikit-learn 进行人口普查收入分类
• 使用 scikit-learn 进行糖尿病回归
• 使用 scikit-learn 进行虹膜分类
• 多输出回归模型的 SHAP 值
• 简单加州演示
• 简单 Kernel SHAP
• 挤压函数如何影响特征重要性