SHAP 模型预测解释

SHAP（SHapley Additive exPlanations）是用于解释机器学习模型预测结果的开源 Python 库，基于博弈论中的沙普利值，把每次预测分摊到各个输入特征上。相关研究来自华盛顿大学 Su-In Lee 实验室和微软研究院，采用 MIT 许可。

能做什么

• 为 XGBoost、LightGBM、CatBoost、scikit-learn 等树模型快速计算精确的特征贡献，可用 GPU 加速
• 解释 TensorFlow/Keras、PyTorch 深度学习模型和 Hugging Face transformers 文本模型，其他模型可用通用但较慢的方法
• 绘制瀑布图、力图、蜂群图、条形图等单样本和整体解释图

运行需要：Python 环境（pip 或 conda 安装）；GPU 加速的树模型解释需 CUDA 工具包；不依赖在线服务。