Question

我正在使用Catboost，并且想可视化shap_values：

from catboost import CatBoostClassifier
model = CatBoostClassifier(iterations=300)
model.fit(X, y,cat_features=cat_features)

pool1 = Pool(data=X, label=y, cat_features=cat_features)
shap_values = model.get_feature_importance(data=pool1, fstr_type='ShapValues', verbose=10000)

shap_values.shape
Output: (32769, 10)
X.shape
Output: (32769, 9)

然后我执行以下操作，并引发异常：

shap.initjs()
shap.force_plot(shap_values[0,:-1], X.iloc[0,:])

例外：在v0.20中，force_plot现在需要将基本值作为第一个参数！尝试shap.force_plot（explainer.expected_value，shap_values），或者对于多输出模型，请尝试shap.force_plot（explainer.expected_value [0]，shap_values [0]）。

以下作品，但是我想使force_plot（）起作用：

shap.initjs()
shap.summary_plot(shap_values[:,:-1], X)

我阅读了文档，但无法理解解释器。我尝试过：

explainer = shap.TreeExplainer(model,data=pool1)
#Also tried:
explainer = shap.TreeExplainer(model,data=X)

但是我得到： TypeError：输入类型不支持ufunc'isnan'，并且根据强制转换规则“ safe”不能将输入安全地强制转换为任何受支持的类型 < / p>

有人能指出我正确的方向吗？ THX

Answer 1

我和下面有同样的错误-

异常：在v0.20中，force_plot现在需要将基本值作为第一个参数！尝试shap.force_plot（explainer.expected_value， shap_values）或用于多输出模型，请尝试 shap.force_plot（explainer.expected_value [0]，shap_values [0]）。

这帮助我解决了问题-

import shap
explainer = shap.TreeExplainer(model,data=X)
shap.initjs()
shap.force_plot(explainer.expected_value[0],X.iloc[0,:])

也针对以下问题-

TypeError：输入类型不支持ufunc'isnan'，并且根据以下说明，无法将输入安全地强制转换为任何受支持的类型强制转换为“安全”

检查您的数据（如果包含任何NaN或缺失值）。
希望这会有所帮助！

Answer 2

试试这个：

shap.force_plot(explainer.expected_value, shap_values.values[0, :], X.iloc[0, :])

shap.force_plot（）引发Exeption：在v0.20中，force_plot现在需要将基本值作为第一个参数

2 个答案: