python解釋模型庫Shap實現機器學習模型輸出可視化
更新時間：2021年11月22日 16:15:04 作者：Python學習與數據挖掘
Shap 是一個開源的 python 庫，用于解釋模型。它可以創(chuàng)建多種類型的可視化，有助于了解模型和解釋模型是如何工作的。在本文中，我們將會分享一些Shap創(chuàng)建的不同類型的機器學習模型可視化
解釋一個機器學習模型是一個困難的任務，因為我們不知道這個模型在那個黑匣子里是如何工作的。解釋是必需的，這樣我們可以選擇最佳的模型，同時也使其健壯。
我們開始吧…
安裝所需的庫
使用pip安裝Shap開始。下面給出的命令可以做到這一點。
pip install shap
導入所需庫
在這一步中，我們將導入加載數據、創(chuàng)建模型和創(chuàng)建該模型的可視化所需的庫。
df = pd.read_csv('/content/Diabetes.csv')
features = ['Pregnancies', 'Glucose','BloodPressure','SkinThickness','Insulin','BMI','DiabetesPedigreeFunction','Age']
Y = df['Outcome']
X = df[features]
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 1234)
xgb_model = xgb.XGBRegressor(random_state=42)
xgb_model.fit(X_train, Y_train)
創(chuàng)建模型
在這一步中，我們將創(chuàng)建機器學習模型。在本文中，我將創(chuàng)建一個XGBoost模型，但是你可以選擇任何模型。我們將用于此模型的數據集是著名的糖尿病數據集，可從Kaggle下載。
df = pd.read_csv('/content/Diabetes.csv')
features = ['Pregnancies', 'Glucose','BloodPressure','SkinThickness','Insulin','BMI','DiabetesPedigreeFunction','Age']
Y = df['Outcome']
X = df[features]
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 1234)
xgb_model = xgb.XGBRegressor(random_state=42)
xgb_model.fit(X_train, Y_train)
創(chuàng)建可視化
現在我們將為shap創(chuàng)建解釋程序，找出模型的shape值，并使用它們創(chuàng)建可視化效果。
explainer = shap.Explainer(xgb_model) shap_values = explainer(X_test)
1、Bar Plot
shap.plots.bar(shap_values, max_display=10)
2、隊列圖
shap.plots.bar(shap_values.cohorts(2).abs.mean(0))
3、熱圖
shap.plots.heatmap(shap_values[1:100])
4、瀑布圖
shap.plots.waterfall(shap_values[0]) # For the first observation
5、力圖
shap.initjs()
explainer = shap.TreeExplainer(xgb_model)
shap_values = explainer.shap_values(X_test)
def p(j):
return(shap.force_plot(explainer.expected_value, shap_values[j,:], X_test.iloc[j,:]))
p(0)
6、決策圖
shap_values = explainer.shap_values(X_test)[1]
print("The expected value is ", expected_value)
print("The final prediction is ", xgb_model.predict(X_test)[1])
shap.decision_plot(expected_value, shap_values, X_test)
這就是如何使用 Shap 創(chuàng)建與機器學習模型相關的可視化并對其進行分析。
以上就是python解釋模型庫Shap實現機器學習模型輸出可視化的詳細內容，更多關于python解釋模型庫Shap模型輸出可視化的資料請關注腳本之家其它相關文章！
相關文章
這篇文章主要介紹了詳解如何管理多個Python版本和虛擬環(huán)境，小編覺得挺不錯的，現在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-05-05
這篇文章主要介紹了python3.6?print同一行覆蓋打印方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
這篇文章主要介紹了解決numpy數組互換兩行及賦值的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
淺談numpy中函數resize與reshape,ravel與flatten的區(qū)別
這篇文章主要介紹了淺談numpy中函數resize與reshape,ravel與flatten的區(qū)別介紹，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
這篇文章主要介紹了python面向對象之類屬性和類方法,結合案例形式分析了Python面相對象中類屬性和類方法的相關概念、原理與使用技巧,需要的朋友可以參考下2019-12-12
python中的__init__ 、__new__、__call__小結
這篇文章主要介紹了python中的__init__ 、__new__、__call__小結,需要的朋友可以參考下2014-04-04
Python 使用 consul 做服務發(fā)現示例詳解
這篇文章主要介紹了Python 使用 consul 做服務發(fā)現示例詳解,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-03-03
這篇文章主要介紹了Python中的各種裝飾器詳解,Python裝飾器分兩部分,一是裝飾器本身的定義,一是被裝飾器對象的定義,本文分別講解了各種情況下的裝飾器,需要的朋友可以參考下2015-04-04
這篇文章主要介紹了Python urllib.request對象案例解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-05-05
這篇文章主要為大家詳細介紹了python編寫樸素貝葉斯用于文本分類，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-12-12