shapr：基于条件 Shapley 值的机器学习模型解释工具（R 与 Python 版）
机器学习
2026-02-03 v3 统计计算
摘要
本文介绍了 shapr R 软件包，这是一个用于为机器学习和统计回归模型生成基于 Shapley 值的预测解释的通用工具。此外，shaprpy Python 库将 shapr 的核心功能带到了 Python 生态系统中。Shapley 值源于 1950 年代的合作博弈论，但近年来已成为量化模型特征/协变量如何贡献于特定预测结果的广泛使用方法。shapr 软件包强调条件 Shapley 值估计，提供多种方法准确捕获特征依赖性——这是正确模型解释的关键，通常缺乏于类似软件。除了常规表格数据外，shapr R 软件包包括专门用于解释时间序列预测的功能。该软件包提供一套最小的用户函数，大多数用例具有合理的默认值，同时为高级用户提供广泛的灵活性以微调计算。附加功能包括并行计算、迭代估计与收敛检测，以及丰富的可视化工具。shapr 还扩展了其功能，可在提供因果信息时计算因果和非对称 Shapley 值。总体而言，shapr 和 shaprpy 软件包旨在强大且用户友好的框架中提升预测模型的可解释性。
引用
@article{arxiv.2504.01842,
title = {shapr: Explaining Machine Learning Models with Conditional Shapley Values in R and Python},
author = {Martin Jullum and Lars Henry Berge Olsen and Jon Lachmann and Annabelle Redelmeier},
journal= {arXiv preprint arXiv:2504.01842},
year = {2026}
}