SHAP 汇总图 — xgb.ggplot.shap.summary • xgboost

可视化不同特征的 SHAP 贡献值。

用法

xgb.ggplot.shap.summary(
  data,
  shap_contrib = NULL,
  features = NULL,
  top_n = 10,
  model = NULL,
  trees = NULL,
  target_class = NULL,
  approxcontrib = FALSE,
  subsample = NULL
)

xgb.plot.shap.summary(
  data,
  shap_contrib = NULL,
  features = NULL,
  top_n = 10,
  model = NULL,
  trees = NULL,
  target_class = NULL,
  approxcontrib = FALSE,
  subsample = NULL
)

参数

data: 用作解释的数据，可以是 matrix、dgCMatrix 或 data.frame 类型。
shap_contrib: 数据的 SHAP 贡献值矩阵。默认值（NULL）将从 model 和 data 计算得到。
features: 要绘制的列索引或特征名称向量。当为 NULL（默认值）时，将由 xgb.importance() 选择 top_n 个最重要的特征。
top_n: 应选择多少个最重要的特征（<= 100）？对于 SHAP 依赖图，默认值为 1；对于 SHAP 汇总图，默认值为 10。仅当 features = NULL 时使用。
model: 一个 xgb.Booster 模型。仅当 shap_contrib = NULL 或 features = NULL 时需要。
trees: 当 features = NULL 时，传递给 xgb.importance()。
target_class: 仅与多分类模型相关。默认值（NULL）将 SHAP 值在所有类别上取平均。传递一个（基于 0 的）类别索引，以仅显示该类别的 SHAP 值。
approxcontrib: 当 shap_contrib = NULL 时，传递给 predict.xgb.Booster()。
subsample: 随机选取用于绘制的数据点比例。默认值（NULL）将最多使用 10 万个数据点。

返回值

一个 ggplot2 对象。

详情

为每个特征生成一个点图（每个点代表 data 中的一个观测值），点绘制在 SHAP 值轴上。每个点（观测值）根据其特征值进行着色。

该图允许查看哪些特征对模型预测有负贡献/正贡献，以及对于特征值的较大或较小值，其贡献是否不同。灵感来源于 https://github.com/shap/shap 的汇总图。

另请参阅

xgb.plot.shap(), xgb.ggplot.shap.summary()，以及 Python 库 https://github.com/shap/shap。

示例

# See examples in xgb.plot.shap()