提升树模型中加性建模特征的 SHAP
机器学习
2022-08-01 v1 机器学习
摘要
探索黑盒机器学习（ML）模型的一项重要技术称为 SHAP（SHapley Additive exPlanation）。SHAP 值以公平方式将预测分解为各特征的贡献。我们将证明，对于部分或全部特征被加性建模的提升树模型，此类特征的 SHAP 依赖图对应于其偏依赖图，仅相差一个垂直平移。我们以 XGBoost 为例说明了该结果。
引用
@article{arxiv.2207.14490,
title = {SHAP for additively modeled features in a boosted trees model},
author = {Michael Mayer},
journal= {arXiv preprint arXiv:2207.14490},
year = {2022}
}
备注
15 pages, 5 figures