当我使用函数h2o.predict_contributions获得bernoulli分布的SHAP值时，我得到了极高的值（即，对于某些观察/特征，SHAP的值超过1000万/低于1000万）。因此，当我将所有SHAP值求和并应用链接函数（1 /（1 + exp（-SHAP的总和）））时，得到的预测值为0或1，而不是概率为0/1
使用伯努利分布时，什么会导致如此大的SHAP值？
通过查看h2o的github帖子，似乎已经对Bernoulli发行版的SHAP：https://github.com/h2oai/h2o-3/pull/3378/files进行了测试。
此外，我还查看了受较大SHAP值影响的特征的部分依赖图，这些特征看起来很正常（即没有泄漏或极端图案）。