R中游侠的SHAP重要性

debugcn 发表于 Dev

佩卡德

存在二进制分类问题：如何为Ranger模型的变量获取Shap贡献？

样本数据：

library(ranger)
library(tidyverse)

# Binary Dataset
df <- iris
df$Target <- if_else(df$Species == "setosa",1,0)
df$Species <- NULL

# Train Ranger Model
model <- ranger(
  x = df %>%  select(-Target),
  y = df %>%  pull(Target))

我曾与几个库尝试（DALEX，shapr，fastshap，shapper），但我没有得到任何解决方案。

我希望得到一些像SHAPforxgboostxgboost这样的结果：

其输出shap.values是变量的急剧贡献
的 shap.plot.summary

卡尔斯·桑斯·富恩特斯

早安！，根据我的发现，您可以使用ranger()fastshap（）如下：

library(fastshap)
library(ranger)
library(tidyverse)
data(iris)
# Binary Dataset
df <- iris
df$Target <- if_else(df$Species == "setosa",1,0)
df$Species <- NULL
x <- df %>%  select(-Target)
# Train Ranger Model
model <- ranger(
  x = df %>%  select(-Target),
  y = df %>%  pull(Target))
# Prediction wrapper
pfun <- function(object, newdata) {
  predict(object, data = newdata)$predictions
}

# Compute fast (approximate) Shapley values using 10 Monte Carlo repetitions
system.time({  # estimate run time
  set.seed(5038)
  shap <- fastshap::explain(model, X = x, pred_wrapper = pfun, nsim = 10)
})

# Load required packages
library(ggplot2)
theme_set(theme_bw())

# Aggregate Shapley values
shap_imp <- data.frame(
  Variable = names(shap),
  Importance = apply(shap, MARGIN = 2, FUN = function(x) sum(abs(x)))
)

然后，例如，对于可变重要性，您可以执行以下操作：

# Plot Shap-based variable importance
ggplot(shap_imp, aes(reorder(Variable, Importance), Importance)) +
  geom_col() +
  coord_flip() +
  xlab("") +
  ylab("mean(|Shapley value|)")

另外，如果您要进行个别预测，则可以执行以下操作：

# Plot individual explanations
expl <- fastshap::explain(model, X = x ,pred_wrapper = pfun, nsim = 10, newdata = x[1L, ])
autoplot(expl, type = "contribution")

所有这些信息都可以在这里找到，还有更多信息：https : //bgreenwell.github.io/fastshap/articles/fastshap.html检查链接并解决您的疑问！:)