福芙
沙普利值
描述
这沙普利查询点的特征值解释了由于该特征，查询点的预测与平均预测之间的偏差。对于每个查询点，所有特征的Shapley值的和对应于预测与平均值的总偏差。
您可以创建福芙对象，用于具有指定查询点的机器学习模型(QueryPoint.)．该软件创建一个对象，并计算查询点的所有特征的Shapley值。
使用Shapley值来解释在指定查询点上单个特性对预测的贡献。使用情节功能创建福利值的条形图。您可以通过使用来计算另一个查询点的福利值合身函数。
创建
描述
讲解员=福利（___“QueryPoint”,QueryPoint.的）QueryPoint.并将计算得到的Shapley值存储在ShapleyValues的属性讲解员．您可以指定QueryPoint.除了前面语法中的任何输入参数组合之外。
输入参数
属性
例子
创建时计算shapley值福芙对象
培训分类模型并创建一个福芙对象。当你创造一个福芙对象，指定一个查询点，以便软件计算该查询点的Shapley值。然后使用对象函数创建Shapley值的柱状图情节．
加载CreditRating_Historical数据集。数据集包含客户ID及其金融比率，行业标签和信用评级。
台= readtable (“CreditRating_Historical.dat”)；
显示表的前三行。
头（TBL，3）
ans =3×8表ID WC_TA RE_TA EBIT_TA MVE_BVTD S_TA行业评级 _____ _____ _____ _______ ________ _____ ________ ______ 62394 0.013 0.104 0.036 0.447 0.142 3{“BB”}48608 0.232 0.335 0.062 1.969 0.281 8 {A} 42444 0.311 0.367 0.074 1.935 0.366 1 {A}
使用的方法训练信用评级的黑箱模型fitcecoc函数。使用第二列中的变量资源描述作为预测变量。推荐的做法是指定类名来设置类的顺序。
Blackbox = FitCecoc（TBL，“评级”那.．.“PredictorNames”tbl.Properties.VariableNames (7),.．.'patericalpricictors'那'行业'那.．.“类名”，{“AAA”“AA”“一个”“BBB”“BB”“B”“CCC”}）;
创建一个福芙对象，它解释了最后一次观测的预测。指定一个查询点，以便软件计算Shapley值并将它们存储在ShapleyValues财产。
queryPoint =(资源(最终,:)
queryPoint =表1×8ID WC_TA RE_TA EBIT_TA MVE_BVTD S_TA行业评级 _____ _____ _____ _______ ________ ____ ________ ______ 73104 0.239 0.463 0.065 2.924 0.34 - 2{“AA”}
讲解员=沙普利(黑盒,“QueryPoint”queryPoint)
警告:计算可能很慢，因为预测器数据有超过1000个观测。使用较小的训练集样本，或指定“UseParallel”为真值，以实现更快的计算。
explainer = shapley with properties: BlackboxModel: [1x1 ClassificationECOC] QueryPoint: [1x8 table] BlackboxFitted: {'AA'} ShapleyValues: [6x8 table] NumSubsets: 64 X: [3932x6 table] CategoricalPredictors: 6 Method: ' inter干涉-kernel' Intercept:[-0.5041 -0.3908 -0.3137 -0.3042 -0.4217…］
正如警告消息所指出的，计算可能会很慢，因为预测器数据有超过1000个观测数据。为了更快的计算，使用较小的训练集样本或指定'使用指惯'作为真正的．
对于一个分类模型，福芙使用每个类的预测类得分计算Shapley值。中的值显示ShapleyValues财产。
讲解员。沙普利价值s
ans =6×8表预测AAA AA BBB BB B CCC __________ __________ __________ ___________ ___________ ___________ ___________ ___________ " WC_TA“0.014715 0.0064376 0.0026704 0.00048882 -0.0079015 -0.011841 -0.011395”RE_TA“0.047918 0.026917 0.014751 -0.0031481 -0.02512 -0.059926 -0.08418”EBIT_TA“0.0003427 0.00015025 0.00011977 3.3904 -0.00018925 e-05-0.00038135 -0.00033783 "MVE_BVTD" " 0.38334 0.37376 0.17563 -0.032136 -0.18728 -0.24831 -0.19585 "S_TA" -0.0037304 -0.0026011 -8.8854e-05 -0.00081782 -5.4936e-05
这ShapleyValues属性包含每个类的所有特性的Shapley值。
的方法绘制预测类的Shapley值情节函数。
情节(讲解员)
水平条形图显示了所有变量的Shapley值，按它们的绝对值排序。每个Shapley值解释了由于相应的变量，查询点的分数与预测类的平均分数之间的偏差。
创建福芙对象和计算Shapley值使用合身
火车回归模型并创建一个福芙对象。当你创造一个福芙对象，如果不指定查询点，则软件不会计算Shapley值。使用对象函数合身来计算指定查询点的Shapley值。然后使用对象函数创建Shapley值的柱状图情节．
加载carbig数据集，其中包含20世纪70年代和80年代初生产的汽车的测量数据。
负载carbig
创建一个包含预测变量的表加速度那气缸，等等，以及响应变量英里/加仑．
台=表(加速度、汽缸、排量、马力、Model_Year重量,MPG);
删除训练集中缺失的值可以帮助减少内存消耗并加速训练fitrkernel函数。删除资源描述．
台= rmmissing(台);
训练一个黑匣子模型英里/加仑通过使用fitrkernel函数
rng (“默认”的）%的再现性mdl = fitrkernel(资源描述,'mpg'那'patericalpricictors'[2 - 5]);
创建一个福芙对象。指定数据集资源描述， 因为mdl不包含培训数据。
解释者=福利（MDL，TBL）
解释器=福利属性：BlackBoxModel：[1x1 RegentionKernel] QueryPoint：[] BlackpoxFited：[]福音维价：[] NumsubSets：64 x：[392x7表] CateoricalPredictors：[2 5]方法：'介入 - 内核'截取：22.6202
讲解员存储训练数据资源描述在X财产。
计算第一次观测的所有预测变量的Shapley值资源描述．
: queryPoint =(资源(1)
queryPoint =1×7表加速气缸位移马力Model_Year体重MPG ____________ _________ ____________ __________ __________ ______ ___ 12 8 307 130 70 3504
讲解员=适合(讲解员,queryPoint);
对于回归模型，福芙使用预测的响应计算Shapley值，并将它们存储在ShapleyValues财产。中的值显示ShapleyValues财产。
讲解员。沙普利价值s
ans =6×2表预测器ShapleyValue ______________ ____________“加速度”-0.1561“气缸”-0.18306“位移”-0.34203“马力”-0.27291“Model_Year”-0.2926“重量”-0.32402
控件绘制查询点的Shapley值情节函数。
情节(讲解员)
水平条形图显示了所有变量的Shapley值，按它们的绝对值排序。每个Shapley值解释了由于相应的变量，查询点的预测与平均值之间的偏差。
使用函数句柄指定黑匣子模型
火车回归模型并创建一个福芙对象的函数句柄预测模型的功能。使用对象函数合身来计算指定查询点的Shapley值。然后利用目标函数绘制Shapley值情节．
加载carbig数据集，其中包含20世纪70年代和80年代初生产的汽车的测量数据。
负载carbig
创建一个包含预测变量的表加速度那气缸，等等。
TBL =桌子（加速，气缸，位移，马力，型号，重量）;
训练一个黑匣子模型英里/加仑通过使用treebagger函数。
rng (“默认”的）%的再现性Mdl = TreeBagger(100台,英里/加仑,“方法”那“回归”那'patericalpricictors'[2 - 5]);
福芙不支持金宝apptreebagger对象，因此不能指定的第一个输入参数(黑盒模型)福芙作为一个treebagger对象。的函数句柄预测函数。的选项预测使用函数的名称值参数函数。
的函数句柄预测功能的功能treebagger目的Mdl．指定要使用的树索引数组1：50．
if = @(tbl) predict(Mdl,tbl，“树”、1:50);
创建一个福芙对象使用函数句柄F．当您指定黑箱模型作为函数句柄时，您必须提供预测器数据。资源描述包括分类预测因子(油缸和Model_Year）与之双数据类型。默认情况下,福芙不使用双作为分类预测器的数据类型。指定第二个(油缸)及第五(Model_Year)变量作为分类预测因子。
讲解员=沙普利(f(资源'patericalpricictors'[2 - 5]);讲解员=适合(讲解员,台(1:));
绘制福利值。
情节(讲解员)
更多关于
参考文献
扩展功能
你也可以从以下列表中选择一个网站:
