我正在使用 catboost 回归器来预测几个自变量对因变量的影响。我的因变量是二元的，我的自变量不是。我正在使用 Shap 值方法来计算数据框中每一行的局部解释值。
我有一个这样的 df 构建：
d = {'x1': [0, 1, 2], 'x2': [3, 4, 0], 'Y': [1, 1, 0]}
如您所见，自变量可以取值为 0，这意味着在该组合中该特征缺失，因为其值为 0，但是当该变量值为 0 时，模型会将解释值分配给自变量，这是合乎逻辑的，因为不存在特征也会影响因变量的结果。
为了便于理解，第 1 行具有以下值：
x1 = 0 x2 = 3 y = 1，我的模型为缺失的特征 x1=0,1 和我没有缺失的特征 x2=0.2 分配了一个 shap 值，但是我希望我的模型只分配一个局部解释值如果特征 X1 到 Xn 不等于 0。
我希望我的模型能够理解 0 表示该特定行中该特征的缺失，并且仅当该值不同于 0 时才应分配回归，这可能吗？