https://christophm.github.io/interpretable-ml-book/
https://www.jianshu.com/p/324a7c982034
特徵重要性計算
夏普利值-博弈論
SHAP 含義:觀察到某一個樣本的預測中各個特徵對預測結果產生的影響。
基本思想:計算一個特徵加入到模型時的邊際貢獻,然後考慮到該特徵在所有的特徵序列的情況下不同的邊際貢獻,取均值,即某該特徵的SHAPbaseline value。
例如:A單獨工作產生的價值爲v{A},加入B後共同產生價值v{A,B},那麼B的累加貢獻是v{A,B}-v{A}.
對於所有能夠形成的全局N的序列,求其中關於元素xi的累加貢獻,然後取均值即可得到xi的shapley
value.
交互shap值
SHAP包⽂文章:https://github.com/slundberg/shap
https://christophm.github.io/interpretable-ml-book/shapley.html
SHAP包應⽤用中⽂文解析:https://yyqing.me/post/2018/2018-09-25-kaggle-model-insights
https://christophm.github.io/interpretable-ml-book/shapley.html