SHAP数据的导出与可视化

在使用SHAP对模型特征进行可视化输出的时候，会遇到输出的图形格式与预期的不符。以下面的图为例，比如是类别型特征时，默认的展示方式可能有些怪。

比较方便的解决方案是将数据导出为Pandas的DataFrame，然后自己的绘制想要的数据呈现。以下为基本流程：

1、将数据导出为DataFrame

import shap

shap.initjs() # 在notebook显示交互操作时需要

explainer = shap.TreeExplainer(model) # 传入训练好的模型
shap_values = explainer.shap_values(X_test) # 拿验证数据集进行呈现。


feature_name = "feature_1"
feature_values = X_test[feature_name]
shap_values_for_feature = shap_values[:, X_test.columns.get_loc(feature_name)]

# 创建一个DataFrame来存储这些数据
df = pd.DataFrame({
feature_name: feature_values,
'SHAP_value': shap_values_for_feature
})

## 如果你想要包括其他交互特征的值
# interaction_feature_name='feature_2' # 假设你有另一个交互特征
# interaction_values=X_eval[interaction_feature_name]
# df[interaction_feature_name]=interaction_values

print(df)

2、按照自己的意愿绘制图形

import plotly.graph_objs as go
import plotly.express as px
import pandas as pd

fig = go.Figure()

fig.add_trace(go.Violin(
x=df['feature_1'], # 分类变量
y=df['SHAP_value'], # 值
box_visible=True, # 显示箱型图
line_color='blue' # 设置线条颜色
))

# 更新布局
fig.update_layout(
width=800, # 设置图表宽度
height=600, # 设置图表高度
)

# 显示图表
fig.show()